應(yīng)用統(tǒng)計(jì)學(xué) 第五章 方差分析.ppt

1、第五章 方差分析,概述 單因素方差分析（one-way ANOVA） 單響應(yīng)變量方差分析（ANOVA） 協(xié)方差分析（ANCOVA） 多響應(yīng)變量方差分析（MANOVA）,一、概述,方差分析: 英國統(tǒng)計(jì)兼遺傳學(xué)家費(fèi)舍爾在設(shè)計(jì)多種農(nóng)業(yè)試驗(yàn)，特別是田間試驗(yàn)，并對試驗(yàn)進(jìn)行評估中發(fā)展起來的。 主要用于研究某種因素（如廣告）對所感興趣的因變量（如銷售額）是否有顯著影響 抽樣得到的實(shí)驗(yàn)數(shù)據(jù)顯示出實(shí)驗(yàn)結(jié)果的差異性，其原因可能有兩類： 觀測條件不同（影響因素）引起試驗(yàn)結(jié)果有所不同 此結(jié)果差異是系統(tǒng)性的 由于各種隨機(jī)因素的干擾，試驗(yàn)結(jié)果也會(huì)有所不同 此差異是偶然性的,方差分析的目的,將觀測條件不同而引起的系統(tǒng)差異與

2、隨機(jī)因素引起的偶然差異用數(shù)量形式區(qū)別開來，以確定在實(shí)驗(yàn)中有沒有系統(tǒng)性因素在起作用。,例1 某公司希望對新進(jìn)銷售人員進(jìn)行銷售培訓(xùn)以保證銷售業(yè)績。如何培訓(xùn)才能達(dá)到好的效果成為公司關(guān)注的問題。為此設(shè)置了兩組培訓(xùn)課程。為了比較它們的有效性，進(jìn)行了一項(xiàng)實(shí)驗(yàn)：隨機(jī)選擇三組新進(jìn)銷售人員，每組五人。 一組接受A課程銷售訓(xùn)練 一組接受銷售B課程銷售訓(xùn)練 另一組C沒有參與任何訓(xùn)練（對照組） 當(dāng)前兩組的訓(xùn)練課程結(jié)束后，三組人員都開始實(shí)踐。兩個(gè)星期后統(tǒng)計(jì)了各組銷售人員的銷售記錄如下：,銷售培訓(xùn)會(huì)提高銷售人員的業(yè)績嗎？,不僅不同組中銷售員的業(yè)績有區(qū)別，同一組中接受相同培訓(xùn)的銷售員的業(yè)績也有區(qū)別,銷售業(yè)績：,組內(nèi)差異：隨

3、機(jī)因素造成 組間差異：培訓(xùn)和隨機(jī)因素造成 如果三組銷售人員的平均業(yè)績沒有顯著差別（組間差異不明顯），則說明銷售訓(xùn)練失敗 如果接受銷售訓(xùn)練的銷售人員的業(yè)績顯著突出，則說明銷售訓(xùn)練成功,影響業(yè)績的因素：,培訓(xùn)課程,隨機(jī)因素：如個(gè)人特質(zhì)、運(yùn)氣,從上表可以看出，各組樣本數(shù)據(jù)差異較大，尤其是3組與1、2組的均值具有一定的差異。這是否說明銷售訓(xùn)練會(huì)提高銷售業(yè)績呢？當(dāng)然這種差異也許是由于隨機(jī)因素所造成，所以需要進(jìn)行統(tǒng)計(jì)檢驗(yàn)。,方差分析的假設(shè)為：,如果原假設(shè)成立，說明培訓(xùn)對銷售業(yè)績沒有顯著影響，組間差異與各組內(nèi)差異都是隨機(jī)因素造成的。,如果備擇假設(shè)成立，說明培訓(xùn)對銷售業(yè)績有顯著影響，各組內(nèi)的差異由隨機(jī)因素造成

4、，而組間差異則由隨機(jī)因素和銷售訓(xùn)練所導(dǎo)致的系統(tǒng)性差異造成。,方差分析的術(shù)語,因素：一個(gè)獨(dú)立的變量，是方差分析研究的對象。在例1中，“培訓(xùn)”就是一個(gè)待研究的因素。 水平：因素的不同狀態(tài)就稱為“水平”。分組是按因素的不同水平劃分的。例1中，因素“培訓(xùn)”分為三個(gè)水平（A課程、B課程、無訓(xùn)練）。 響應(yīng)變量(性能指標(biāo)）：在分組試驗(yàn)中，對試驗(yàn)對象所觀測記錄的變量稱為“響應(yīng)變量”，它是受“因素”影響的變量，如例1中“銷售業(yè)績”。,方差分析的類型,單因素方差分析（一維方差分析）：檢驗(yàn)由單一因素影響的一個(gè)或幾個(gè)獨(dú)立的響應(yīng)變量的組間均值差異是否顯著。如上例，一個(gè)影響因素（培訓(xùn)）的不同水平對一個(gè)響應(yīng)變量（銷售業(yè)績）

5、的影響分析。（one-way ANOVA 過程） 單響應(yīng)變量多因素方差分析：對一個(gè)響應(yīng)變量是否受一個(gè)或多個(gè)因素影響進(jìn)行分析，包括協(xié)方差分析。常用的是雙因素方差分析。（Univariate 過程） 多響應(yīng)變量多因素方差分析：研究一個(gè)或多個(gè)因素變量與多個(gè)響應(yīng)變量集之間的關(guān)系。（Multivariate 過程） 重復(fù)測量方差分析：因素對響應(yīng)變量影響的試驗(yàn)如果是重復(fù)測量的，就需要用重復(fù)測量方差分析。（Repeated Measures過程）,問題的表述和假設(shè),按實(shí)驗(yàn)因素水平形成分組數(shù)據(jù) 同一組中的數(shù)據(jù)看成是來自同一總體，它們有一個(gè)理論上的均值， 不同組的數(shù)據(jù)來自不同總體，一般認(rèn)為這些總體具有相同方差（

6、其他條件保持不變），而它們的均值可能相同，也可能不同。 方差分析的目的：通過假設(shè)檢驗(yàn)，判斷實(shí)驗(yàn)因素對響應(yīng)變量是否有顯著影響，即各組均值是相同，還是不同 一般地，有 r個(gè)水平的因素，H0:1=2=r= 對上例，r=3,二、單因素方差分析,方差分析的檢驗(yàn)方法:,基本思路： 判斷樣本均值的變異是由于因素的不同水平造成的，還是純粹由于隨機(jī)因素造成的。 研究數(shù)據(jù)間的“變異”（也稱為平方和），即離差平方和： 變異來源分解， 組內(nèi)變異：隨機(jī)因素造成，記作S組內(nèi)。 組間變異：可能單純由于隨機(jī)因素造成，也可能是因素的不同水平造成，記作S組間。,S組內(nèi)+ S組間=S總,S組間和S組內(nèi)的比值反映了兩種差異所占的比重

7、，該值越大說明因素各個(gè)水平引起的差異越顯著,服從F分布,通過F值與其臨界值的比較，推斷各組均值是否相同。,結(jié)論：在0.05水平上培訓(xùn)對銷售業(yè)績的影響不顯著。,平方和/自由度=均方和,檢驗(yàn)統(tǒng)計(jì)量：,設(shè)：因素有r個(gè)水平，各水平的實(shí)驗(yàn)次數(shù)為nj ，得到樣本數(shù)據(jù)如表,單因素方差分析的一般模型,方差分析步驟,F檢驗(yàn),計(jì)算各水平均值和總均值,計(jì)算檢驗(yàn)統(tǒng)計(jì)量F,計(jì)算離差平方和：S,計(jì)算均方和： S/自由度,計(jì)算水平均值和總均值,2、計(jì)算離差平方和,誤差項(xiàng)離差平方和：組內(nèi)變異S組內(nèi),總離差平方和（總變異S總）,水平項(xiàng)離差平方和：組間變異S組間,三個(gè)離差平方和的關(guān)系為：,三個(gè)離差平方和的關(guān)系為：,證明：,3、計(jì)

8、算均方和,自由度：觀測值的個(gè)數(shù)約束條件數(shù),4、計(jì)算檢驗(yàn)統(tǒng)計(jì)量和假設(shè)檢驗(yàn),F(r-1,n-r),建立假設(shè),本例r=3。,培訓(xùn)例,水平均值,計(jì)算水平均值和總均值,培訓(xùn)例-續(xù),F=3.173.89，接受原假設(shè)，培訓(xùn)沒有顯著效果,單因素方差分析過程one-way ANOVA,analyzecompare meansone-way ANVOA,響應(yīng)變量,因素,Contrast對話框：均值多項(xiàng)式比較,例如：4mean1-mean3,Post Hoc對話框：選擇均值多重比較方法,方差相等時(shí)可選擇的比較方法,方差不等時(shí)可選擇的比較方法,與對照組的配對比較,用t檢驗(yàn)完成各組均值的配對比較,Option對話框：輸

9、出統(tǒng)計(jì)量,描述統(tǒng)計(jì)量,固定因素和隨機(jī)效應(yīng)的統(tǒng)計(jì)量,等方差檢驗(yàn),顯示均值圖,培訓(xùn)-銷售業(yè)績SPSS輸出結(jié)果,單因素方差分析例,一DVD廠商希望了解不同年齡段（age group)的消費(fèi)者對其生產(chǎn)的一種新型DVD的評價(jià)(dvdscore) 做單因素方差分析，畫出均值圖,第四組評價(jià)最高,第三組評價(jià)次高,比較第三組均值與第四組均值是否有顯著差異,一、二組評價(jià)較低,五、六組評價(jià)最低,比較32歲以下和46歲以上人群是否有顯著差異,用one-way ANOVA 中的contrast選項(xiàng)： 1）mean3-mean4 2)0.5mean1+0.5mean2-0.5mean5-0.5mean6,32歲到45歲的

10、評價(jià)無顯著差異,32歲以下和46歲以上消費(fèi)者的評價(jià)無顯著差異,例：某企業(yè)準(zhǔn)備上市一種新型香水，需要進(jìn)行市場調(diào)研。經(jīng)驗(yàn)表明除香水氣味外，香水包裝對需求也有很大影響?，F(xiàn)對三種不同的包裝、三種不同香型的香水進(jìn)行測試，每種組合采用一個(gè)不同的市場調(diào)查，調(diào)查結(jié)果見下表。,三、單響應(yīng)變量方差分析以雙變量方差分析為例,雙因素不重復(fù)試驗(yàn),兩因素分別為A（包裝）和B（香型），A有n種水平（n=3），B有m種水平(m=3)，每種因素組合只有一個(gè)樣本值，這樣的實(shí)驗(yàn)稱為不重復(fù)試驗(yàn)。實(shí)驗(yàn)數(shù)據(jù)建立下表,雙因素不重復(fù)試驗(yàn)方差分析方法,與單因素方差分析類似，總變異可分成兩個(gè)因素的離差平方和及誤差平方和：,方差分析表,結(jié)論：包裝

11、與香型的影響都不顯著,雙因素重復(fù)試驗(yàn),兩因素分別為A和B，A有n種水平，B有m種水平，兩種因素不同水平共有mn中組合，在每種因素組合（i,j）下作d次重復(fù)試驗(yàn)，以減輕誤差的干擾，實(shí)驗(yàn)數(shù)據(jù)建立下表,B,雙因素方差分析符號說明,雙因素分析模型,在雙因素模型中可以進(jìn)行多種檢驗(yàn)：,因素A的主效應(yīng)檢驗(yàn),因素B的主效應(yīng)檢驗(yàn),因素A和因素B的交互作用檢驗(yàn),雙因素方差分析表,香水例,Univariate過程,數(shù)據(jù)格式,響應(yīng)變量,因素,協(xié)變量,隨機(jī)因素,Model對話框：模型設(shè)定,自定義模型,指定主效應(yīng),指定交互效應(yīng),指定所有兩維交互效應(yīng),指定所有三維交互效應(yīng),指定所有四維交互效應(yīng),本例只有主效應(yīng),選擇分解平方

12、和的方法：,指定模型類型,建立全模型,Contrast對話框：效應(yīng)比較,默認(rèn)：無效應(yīng)比較,改變效應(yīng)比較設(shè)置,比較因素每個(gè)水平的效應(yīng),因素變量每一水平都與參考水平比較：選擇last或first為參考水平,因素每一水平都與其前面?zhèn)€水平比較,因素每一水平都與后續(xù)水平比較,Plots對話框：因變量均數(shù)分布圖,選擇橫坐標(biāo),選擇縱坐標(biāo),散點(diǎn)圖框,Post hoc對話框：多重比較,與one-way ANOVA相同,Save對話框：保存,Option對話框,比較主效應(yīng)均值,指定輸出統(tǒng)計(jì)量,效應(yīng)量估計(jì),顯示觀測功效,參數(shù)估計(jì)：因變量與自變量的回歸系數(shù)等,等方差檢驗(yàn),觀測量均值對方差的圖,擬合度不足的檢驗(yàn),香型與

13、包裝方差分析結(jié)果,新食品定價(jià)和廣告策略研究,為了確定新食品的定價(jià)和廣告策略，某企業(yè)做了一次市場研究：選出24家商場分別以高、中、低三種價(jià)格，和高、低兩種廣告策略推銷產(chǎn)品，經(jīng)過一段時(shí)間之后統(tǒng)計(jì)各家商場的銷售量，并對此作方差分析。,新食品銷售的均值圖,1. 銷售量的價(jià)格效應(yīng)較明顯 2. 廣告效應(yīng)較不明顯 3. 交互作用：低價(jià)格高廣告的銷量較大,方差分析表,四、協(xié)方差分析,基本思想：在方差分析中引入其它獨(dú)立變量，以矯正由于非試驗(yàn)因素對響應(yīng)變量的影響干擾方差分析的準(zhǔn)確性。 方差分析應(yīng)在“其它條件不變”下實(shí)施。但是，這一點(diǎn)有時(shí)難以做到。 前例：在研究價(jià)格和廣告對新食品銷售的影響時(shí)，如果所選擇的商場規(guī)模不

14、同，也會(huì)對銷售量產(chǎn)生影響。我們收集了各個(gè)參加試驗(yàn)商場的規(guī)模，做銷售量對商場規(guī)模的散點(diǎn)圖,銷售量對商場規(guī)模散點(diǎn)圖：綠色點(diǎn)-高廣告，紅色點(diǎn)-低廣告,很明顯：做高廣告的商場規(guī)模偏小，低廣告的商場規(guī)模較大。一般來說，規(guī)模大的商場銷量較大，規(guī)模小的商場銷量較小。因此，商場規(guī)模的差異可能會(huì)干擾對廣告效應(yīng)的評估。,將Storesiz作為協(xié)變量引入后的方差分析結(jié)果,協(xié)變量調(diào)整后的均值圖,協(xié)變量調(diào)整前的均值圖,廣告效應(yīng)變得明顯了,協(xié)變量調(diào)整前,協(xié)變量調(diào)整后,協(xié)變量的作用機(jī)理,例：芬蘭曾有一條法規(guī)：只有城市可以從事商業(yè)性賣酒。當(dāng)這條法規(guī)取消時(shí)，人們開始擔(dān)心農(nóng)村的交通事故會(huì)因此增多。 一些研究者在12個(gè)鄉(xiāng)村鎮(zhèn)進(jìn)行了

15、試驗(yàn)：其中4個(gè)村鎮(zhèn)只允許商店賣酒、4個(gè)村鎮(zhèn)商店和飯店都可以賣酒，最后4個(gè)村鎮(zhèn)作為對照組，不許賣酒。一年后統(tǒng)計(jì)的交通事故數(shù)如表。 對此數(shù)據(jù)進(jìn)行方差分析，發(fā)現(xiàn)賣酒模式對交通事故影響不顯著。,結(jié)論是否可信？,影響交通事故的其他因素：由于道路狀況、天氣狀況等的差別，有些鄉(xiāng)鎮(zhèn)比另一些鄉(xiāng)鎮(zhèn)更容易發(fā)生交通事故，選取解禁前各鄉(xiāng)鎮(zhèn)年交通事故數(shù)numpre為參考變量，從數(shù)據(jù)表中可以看出，第二組各城鎮(zhèn)在未解禁前事故率就相當(dāng)高，解禁后的事故率相對來說并不很高。,不同城鎮(zhèn)的交通事故數(shù)差異很大（甚至同一試驗(yàn)組的城鎮(zhèn)之間），原因何在？,accidnum,解禁后事故數(shù)vs解禁前事故數(shù),組間相關(guān),組內(nèi)亦相關(guān),且相關(guān)度更高,剔除

16、協(xié)變量影響后的組間變異與組內(nèi)變異,協(xié)變量調(diào)整后，組間變異增大，組內(nèi)變異減小,均值圖比較,未考慮協(xié)變量,協(xié)變量調(diào)整后,協(xié)變量調(diào)整后,協(xié)變量調(diào)整后，賣酒模式對交通事故數(shù)影響顯著,調(diào)整前調(diào)整后的成對比較,飯店里賣酒對交通事故影響最大,協(xié)方差分析中協(xié)變量的作用,減小組內(nèi)變異 調(diào)整組間變異,bT為X 對Z 回歸的系數(shù),X與Z的協(xié)方差為0時(shí) SST(Xadj)=SST(X),X與Z的組內(nèi)協(xié)方差為0時(shí) SSW(Xadj)=SSW(X),五、多響應(yīng)變量方差分析,解決響應(yīng)變量間的相關(guān)性帶來的影響,與單響應(yīng)變量比較,多響應(yīng)變量方差分析例,廣告策略分析 某一產(chǎn)品做廣告，設(shè)計(jì)兩種不同類型的廣告，研究哪種廣告策略更好

17、Hardsell, humorous 隨機(jī)抽取各30人分別觀看兩種廣告 調(diào)研問題 likability: 你有多喜歡這個(gè)產(chǎn)品？ Intnbuy: 你購買此產(chǎn)品的可能性有多大？,分別進(jìn)行單因素方差分析,多響應(yīng)變量方差分析,本章小結(jié),方差分析：因素不同水平對響應(yīng)變量的影響是否顯著 平方和分解：總平方和=主效應(yīng)+交叉效應(yīng)+殘差平房和 因素影響顯著性檢驗(yàn)： 原假設(shè)和備擇假設(shè) F=組間變異/組內(nèi)變異,本章小結(jié)-續(xù),方差分析的類型 單因素方差分析 單響應(yīng)變量方差分析 多響應(yīng)變量方差分析 協(xié)方差分析,方差分析過程,多響應(yīng)變量方差分析 若拒絕原假設(shè)，各響應(yīng)變量分別進(jìn)行方差分析及均值比較 因素效應(yīng)顯著性檢驗(yàn) 如果效應(yīng)顯著，根據(jù)因素水平均值分布圖進(jìn)一步將這些差異提取出來，這就要作多重均值比較（如配對比較） 當(dāng)存在非實(shí)驗(yàn)因素干擾協(xié)方差分析,多重比較檢驗(yàn)方法,LSD(Least-significant difference)最小顯著性差異法：用t檢驗(yàn)完成個(gè)組均值間的配對比較。 Duncan多重極差檢驗(yàn)：將進(jìn)行比較的各組均值分成幾個(gè)有顯著差異的子集。一個(gè)子集中均值之間的差異不顯著。 Dunnett法：指定一個(gè)組作對照組，其他各組分別與對照組進(jìn)行配