贾俊平统计学方差分析与实验设计.pptx

《贾俊平统计学方差分析与实验设计.pptx》由会员分享，可在线阅读，更多相关《贾俊平统计学方差分析与实验设计.pptx（99页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、警惕过多地假设检验。你对数据越苛求，数据会越多地向你供认，但在威逼下得到的供词，在科学询查的法庭上是不容许的。Stephen M.Stigler统计名言第1页/共99页第 8 章 方差分析与实验设计8.18.1 方差分析的基本原理方差分析的基本原理8.2 8.2 单因素方差分析单因素方差分析8.3 8.3 双因素方差分析双因素方差分析8.4 8.4 实验设计初步实验设计初步第2页/共99页学习目标l方差分析的基本思想和原理l单因素方差分析l多重比较l只考虑主效应的双因素方差分析l考虑交互效应的双因素方差分析l实验设计方法与数据分析第3页/共99页不同运动队的平均成绩之间是否有显著差异？n奥运会

2、女子团体射箭比赛，每个队有3名 运 动 员。进 入最后决赛的运动队需要进行4组射击，每个队员进行两次射击。这样，每个组共射出6箭，4组共射出24箭n在2008年8月10日进行的第29届北京奥运会女子团体射箭比赛中，获得前3名 的 运 动 队 最 后决赛的成绩如下表所示第4页/共99页不同运动队的平均成绩之间是否有显著差异？n每个队伍的24箭成绩可以看作是该队伍射箭成绩的一个随机样本。获得金牌、银牌和铜牌的队伍之间的射箭成绩是否有显著差异呢？n如果采用第6章介绍的假设检验方法，用分布做两两的比较，则需要做次比较。这样做不仅繁琐，而且每次检验犯第类错误的概率都是，作多次检验会使犯第类错误的概率相应

3、地增加，检验完成时，犯第类错误的概率会大于。同时，随着检验的次数的增加，偶然因素导致差别的可能性也会增加n采用方差分析方法很容易解决这样的问题，它是同时考虑所有的样本数据，一次检验即可判断多个总体的均值是否相同，这不仅排除了犯错误的累积概率，也提高了检验的效率方差分析方法就很容易解决这样的问题，它是同时考虑所有的样本数据，一次检验即可判断多个总体的均值是否相同，这不仅排除了犯错误的累积概率，也提高了检验的效率 第5页/共99页8.1 方差分析的基本原理 8.1.1 什么是方差分析？8.1.2 误差分解 8.1.3 方差分析的基本假定第 8 章 方差分析与实验设计第6页/共99页8.1.1 什么

4、是方差分析？8.1 方差分析的基本原理第7页/共99页什么是方差分析(ANOVA)?(analysis of variance)1.方差分析的基本原理是在20世纪20年代由英国统计学家Ronald A.Fisher在进行实验设计时为解释实验数据而首先引入的 2.分析各分类自变量对数值因变量影响的一种统计方法 3.研究分类型自变量对数值型因变量的影响 一个或多个分类型自变量l两个或多个(k 个)处理水平或分类一个数值型因变量4.有单因素方差分析和双因素方差分析单因素方差分析：涉及一个分类的自变量双因素方差分析：涉及两个分类的自变量第8页/共99页什么是方差分析?(例题分析)【例例 8-18-1】

5、确定超市的位置和竞争者的数量对销售额是否确定超市的位置和竞争者的数量对销售额是否有显著影响，获得的年销售额数据有显著影响，获得的年销售额数据(单位：万元单位：万元)如下表如下表因素因素水平或处理水平或处理样本数据样本数据第9页/共99页什么是方差分析?(例题分析)1.分析“超市位置”和“竞争者数量”对销售额的影响2.如果只分析超市位置或只分析竞争者数量一个因素对销售额的影响，则称为单因素方差分析(one-way analysis of variance)3.如果只分析超市位置和竞争者数量两个因素对销售额的单独影响，但不考虑它们对销售额的交互效应(interaction)，则称为只考虑主效应(m

6、ain effect)的双因素方差分析，或称为无重复双因素分析(two-factor without replication)4.如果除了考虑超市位置和竞争者数量两个因素对销售额的单独影响外，还考虑二者对销售额的交互效应，则称为考虑交互效应的双因素方差分析，或称为可重复双因素分析(two-factor with replication)第10页/共99页8.1.2 误差分解8.1 方差分析的基本原理第11页/共99页方差分析的基本原理(误差分解)1.总误差(total error)反映全部观测数据的误差所抽取的全部36家超市的销售额之间差异2.处理误差(treatment error)组间误差

7、(between-group error)由于不同处理造成的误差，它反映了处理(超市位置)对 观 测 数 据(销 售 额)的 影 响，因 此 称 为 处 理 效 应(treatment effect)3.随 机 误 差(random error)组 内 误 差(within-group error)由于随机因素造成的误差，也简称为误差(error)第12页/共99页方差分析的基本原理(误差分解)1.数据的误差用平方和(sum of squares)表示，记为SS2.总平方和(sum of squares for total)，记为SST反映全部数据总误差大小的平方和抽取的全部36家超市销售额之

8、间的误差平方和3.处理平方和(treatment sum of squares)，记为SSA反映处理误差大小的平方和也 称 为 组 间 平 方 和(between-group sum of squares)4.误差平方和(sum of squares of error)，记为SSE反映随机误差大小的平方和称为误差平方和也 称 为 组 内 平 方 和(within-group sum of squares)第13页/共99页方差分析的基本原理(误差分解)误差平方和的分解及其关系误差平方和的分解及其关系总误差总平方和(SST)处理误差随机误差处理平方和(SSA)误差平方和(SSE)=+第14页/共

9、99页方差分析的基本原理(误差分析)1.方差分析的基本原理就是要分析数据的总误差中有没有处理误差。如果处理(超市的不同位置)对观测数据(销售额)没有显著影响，意味着没有处理误差。这时，每种处理所对应的总体均值(i)应该相等2.如果存在处理误差，每种处理所对应的总体均值(i)至少有一对不相等3.就例81而言，在只考虑超市位置一个因素的情况下，方差分析也就是要检验下面的假设H0：1 2 3 H1：1,2,3 不全相等第15页/共99页8.1.3 方差分析的基本假定8.1 方差分析的基本原理第16页/共99页方差分析的基本假定1.正态性(normality)。每个总体都应服从正态分布，即对于因素的每

10、一个水平，其观测值是来自正态分布总体的简单随机样本在例81中，要求每个位置超市的销售额必须服从正态分布检验总体是否服从正态分布的方法有很多，包括对样本数据作直方图、茎叶图、箱线图、正态概率图做描述性判断，也可以进行非参数检验等 2.方差齐性(homogeneity variance)。各个总体的方差 必 须 相 同，对 于 分 类 变 量 的 个 水 平，有12=22=k2在例81中，要求不同位置超市的销售额的方差都相同3.独立性(independence)。每个样本数据是来自因素各水平的独立样本(该假定不满足对结果影响较大)在例81中，3个样本数据是来自不同位置超市的3个独立样本第17页/共

11、99页8.2 单因素方差分析 8.2.1 数学模型 8.2.2 效应检验 8.2.3 多重比较 第 8 章 方差分析与实验设计第18页/共99页8.2.1 数学模型8.2 单因素方差分析第19页/共99页单因素方差分析(数学模型)l设因素A有I种处理(比如超市位置有“居民区”、“商业区”、“写字楼”3种处理)，单因素方差分析可用下面的线性模型来表示 第20页/共99页单因素方差分析(数学模型)l设全部观测数据的总均值为，第i个处理效应用第i个处理均值与总均值的差(i-)表示，记为i，即i=i-。这样，第i个处理均值被分解成i=i+，方差分析模型可以表达为 第21页/共99页单因素方差分析(数学

12、模型)第22页/共99页8.2.2 效应检验8.2 单因素方差分析第23页/共99页提出假设1.一般提法H0：i=0 (i=1,2,I)没有处理效应 H1：i 至少有一个不等于0有处理效应 2.注意：拒绝原假设，只表明至少有两个总体的均值不相等，并不意味着所有的均值都不相等 第24页/共99页构造检验的统计量F单因素方差分析的方差分析表第25页/共99页作出决策(F分布与拒绝域)如果均值相等，如果均值相等，如果均值相等，F F F=MSA/MSE=MSA/MSE=MSA/MSE1 1 1 F 分布F(k-1,n-k)0 0拒绝拒绝HH0 0不拒绝不拒绝H H H H0 0 0 0F F第26页

13、/共99页单因素方差分析(例题分析)【例8-2】检验超市位置对销售额是否有显著影响(=0.05)第27页/共99页单因素方差分析(例题分析)模型：假设：第28页/共99页单因素方差分析(方差分析假定的判断)箱线图分析好像不一样？第29页/共99页单因素方差分析(方差分析假定的判断)概率图分析第30页/共99页用Excel进行方差分析第1步：选择“工具”下拉菜单第2步：选择【数据分析】选项第3步：在分析工具中选择【单因素方差分析】，然后选择【确定】第4步：当对话框出现时 在【输入区域】方框内键入数据单元格区域 在【】方框内键入0.05(可根据需要确定)在【输出选项】中选择输出区域方差分析第31页

14、/共99页单因素方差分析(例题分析)拒绝H0第32页/共99页用SPSS进行方差分析和多重比较第1步：选择【Analyze】，并选择【General Linear Model-Univaiate】进入主对话框第2步：将因变量(销售额)选入【Dependent Variable】，将自变量(超市位置)选入【Fixed Factor(s)】第3步(需要均值图时)点击【Plots】，将“超市位置”选入【Horizontal Axis】，在【Plots】下点击【Add】，点击【Continue】回到主对话框(需要多重比较时)点击【Post-Hoc】，将“超市位 置”选 入【Post-Hoc Test

15、for】，在【Equal Variances Assumed】下选择一种方法，如LSD，点击【Continue】回到主对话框第33页/共99页用SPSS进行方差分析和多重比较(需要相关统计量时)点击【Options】，在【Display】下选中【Descriptive】，点击【Continue】回到主对话框(需要方差齐性检验时)点击【Options】，在【Display】下选中【Homogeneity tests】，点击【Continue】回到主对话框(需要对模型的参数进行估计时)点击【Options】，在【Display】下选中【Parameter estimates】，点击【Continu

16、e】回到主对话框(需 要 预 测 值 时)点 击【Save】，并 在【Predicted Values】下 选 中【Unstandardized】，点 击【Continue】回到主对话框；点击【OK】(注：选择【Analyze-Compare Means】，并选择【One-Way-ANOVA】也可以进行单因素方差分析，但得到的结果不如上面多)方差分析方差分析第34页/共99页单因素方差分析(例题分析)使用【Analyze】【Compare Means】【One-Way-ANOVA】的输出结果使用【Analyze-General Linear Model-Univariate】的输出结果第35页

17、/共99页单因素方差分析(例题分析)第一行(Corrected Model)是对整个方差分析模型的检验。其原假设是：模型中的因素(超市位置)对因变量(销售额)无显著影响。由于本例只有超市位置一个因素，所以等价于对超市位置因素的检验。由 于 显 著 性 水 平 Sig.接 近 于 0，表 明 该 模 型 是 显 著 的第二行(Intercept)是模型的常数项(即截距)。其检验的原假设是：，即不考虑超市位置时，销售额的平均值为0。虽然检验结果拒绝了原假设，但由于截距在实际分析中没有实际意义，可忽略第36页/共99页单因素方差分析(例题分析)第 三 行 以 下 是 对 模 型 中 因 素(超 市

18、位 置)的 检 验最 下 面 一 行(Corrected Total)是 校 正 后 的 总 平 方 和检验超市位置因素的显著性水平接近于0，拒绝原假设，表明(i)至少有一个不等于0，这意味着超市位置对销售额有显著影响表的下方还给出了模型的判定系数(R Squared=0.447)和调整后的判定系数(Adjusted R Squared=0.414)，它反映的是超市位置这一因素对销售额度误差的影响程度，其平方根则是超市位置与销售额之间的相关系数第37页/共99页单因素方差分析(例题分析)Intercept是模型中的截距，它表示不考虑“超市位置”这一因素影响时销售额总的平均值为260万元，这实际

19、上就是超市位置在写字楼的平均销售额。由于3个位置的超市一共有3个参数，在估计模型的参数时，将最后一个水平（本例为写字楼）作为参照水平，这相当于强迫=0，而另外两个参数（居民区和商业区）的估计值是检验结果实际上就是与参照水平相比较的结果。比如，居民区的参数 1=119=379-260，表示超市位置在居民区时对销售额的附加效应，即比平均销售额（参照标准为写字楼的平均销售额）高出119万元；商业区的参数 2=165=425-260，表示超市位置在商业区时对销售额的附加效应，即比平均销售额（参照标准为写字楼的平均销售额）高出165万元。这两个参数检验的显著性水平均接近于0，都是显著的 方差分析模型的参

20、数估计 第38页/共99页用SPSS进行方差分析(均值图)销售额的估计的边际均值图 第39页/共99页8.2.3 多重比较8.2 单因素方差分析第40页/共99页多重比较的意义1.在拒绝原假设的条件下，通过对总体均值之间的配对比较来进一步检验到底哪些均值之间存在差异2.比较方法有多种，若Fisher提出的最小显著差异方法，简写为LSD第41页/共99页多重比较的LSD方法1.提出假设H0:i=j(第i个总体的均值等于第j个总体的均值)H1:ij(第i个总体的均值不等于第j个总体的均值)2.计算检验的统计量:3.计算LSD4.决策：若 ，拒绝H0第42页/共99页多重比较的LSD方法(例题分析)

21、第1步：提出假设检验1：检验2：检验3：第第2 2步：步：计算检验统计量检验检验1 1：检验检验2 2：检验检验3 3：第43页/共99页多重比较的LSD方法(例题分析)第3步：计算LSD第4步：做出决策不拒绝不拒绝H H0 0，没有证据表明居民区和商，没有证据表明居民区和商业去的超市销售额之间有显著差异业去的超市销售额之间有显著差异 拒绝拒绝H H0 0，居民区和写字楼的超市销售，居民区和写字楼的超市销售额之间有显著差异额之间有显著差异 拒绝拒绝H H0 0，商业区和写字楼的超市销售，商业区和写字楼的超市销售额之间有显著差异额之间有显著差异 第44页/共99页用SPSS进行方差分析和多重比较

22、【例8-3】多重比较第45页/共99页8.3 双因素方差分析 8.3.1 数学模型 8.3.2 只考虑主效应 8.3.3 考虑交互效应第 8 章 方差分析与实验设计第46页/共99页双因素方差分析(two-way analysis of variance)1.分析两个因素(因素A和因素B)对实验结果的影响 2.如果两个因素对实验结果的影响是相互独立的，分别判断因素A和因素B对实验数据的单独影响，这时的双因素方差分析称为只考虑主效应的双因素 方 差 分 析或无 重 复 双 因 素 方 差 分 析(Two-factor without replication)3.如果除了因素A和因素B对实验数据的

23、单独影响外，两个因素的搭配还会对结果产生一种新的影响，这时的双因素方差分析称为考虑交互效应的双因素方差分析或可重复双因素方差分析(Two-factor with replication)第47页/共99页8.3.1 数学模型8.3 双因素方差分析第48页/共99页双因素方差分析(数学模型)第49页/共99页双因素方差分析(数学模型)l设因素A有I种处理(比如超市位置有“居民区”、“商业区”、“写字楼”3种处理)，因素B有J种处理(比如竞争者数量有0个、1个、2个、3个及以上4种处理)，双因素方差分析可用下面的线性模型来表示 ij ij=0=0第50页/共99页8.3.2 只考虑主效应(main

24、 effects)8.3 双因素方差分析第51页/共99页双因素方差分析(只考虑主效应)提出假设第52页/共99页双因素方差分析(只考虑主效应)只考虑主效应的误差分解第53页/共99页双因素方差分析(只考虑主效应)构造统计量第54页/共99页只考虑主效应(检验统计量F)双因素方差分析的方差分析表(只考虑主效应)第55页/共99页双因素方差分析只考虑主效应 (例题分析)【例例8484】沿沿用用例例8181。检检验验超超市市位位置置和和竞竞争争者者数数量量对对销销售售额的影响是否显著额的影响是否显著(=0.05=0.05)模型：假设：第56页/共99页双因素方差分析(SPSS只考虑主效应)在用SP

25、SS中进行方差分析时，需要把多个样本的观测值作为一个变量输入(本例为“销售额”)，然后把两个因素(“超市位置”和“竞争者数量”)分表单列，并于相应的销售额对应第 1步：选 择【Analyze】，并 选 择【General Linear Model-Univaiate】进入主对话框第 2步：将 因 变 量(销 售 额)选 入【Dependent Variable】，将自变量(超市位置和竞争者数量)选入【Fixed Factor(s)】第3步：点击【Model】，并点击【Custom】；将超市位置F和竞争者数量F分别选入【Model】；在【Build Term(s)】下选择【Main effect

26、s】。点击【Continue】回到主对话框 第57页/共99页双因素方差分析(SPSS只考虑主效应)第4步：(需要均值图时)点击【Plots】，将“超市位置”选入【Horizontal Axis】，将“竞争者数量”选入【Separate Lines】，在【Plots】下点击【Add】，点击【Continue】回到主对话框(需要多重比较时)点击【Post-Hoc】，将“超市位置”和“竞争者数量”分别选入【Post-Hoc Test for】，在【Equal Variances Assumed】下 选 择 一 种 方 法，如 LSD，点 击【Continue】回到主对话框(需要相关统计量、方差齐性

27、检验、对模型的参数进行估计时)点击【Options】，将“超市位置”和“竞争者数量”分别选入【Display Means for】，在【Display】下 选 中【Descriptive】(计算因素的描述统计量)、【Homogeneity tests】(方差齐性检验)、【Parameter estimates】(估计模型中的参数)、【Residual】(输出残差分析的散点图矩阵)(需要预测值时)点击【Save】，并在【Predicted Values】下选中【Unstandardized】。点击【Continue】回到主对话框。点击【OK】方差分析方差分析第58页/共99页双因素方差分析只考虑

28、主效应 (例8-4的分析SPSS)描述统计量描述统计量第59页/共99页双因素方差分析只考虑主效应 (例8-4的分析SPSS)方差齐性检验方差齐性检验原假设：H0：方差不齐Sig.=0.692，满足方差齐性第60页/共99页双因素方差分析只考虑主效应 (例8-4的分析SPSS)效应检验表效应检验表l第一行(Corrected Model)是对所使用的方差分析模型的检验。其原假设是：模型中的所有因素(超市位置和竞争者数量)对因变量(销售额)无显著影响，即 i=0和 j=0。由于显著性水平Sig.接近于0，表明该模型是显著的第61页/共99页双因素方差分析只考虑主效应 (例8-4的分析SPSS)效

29、应检验表效应检验表l第二行(Intercept)是模型的常数项(即截距)。其检验的原假设是：=0，即不考虑超市位置和竞争者数量时，销售额的平均值为0。虽然检验结果拒绝了原假设，但由于截距在实际分析中没有实际意义，可忽略不计l第三行和第四行是对超市位置和竞争者数量影响效应的检验。由于两个因素检验的显著性水平均接近于0，拒绝原假设，表明超市位置和竞争者数量对销售额均有显著影响l表的下方还给出了模型的多重判定系数(R Squared=0.727)和调整后的多重判定系数(Adjusted R Squared=0.681)，它反映的是超市位置和竞争者数量联合起来对销售额误差的影响程度。其平方根则是超市位

30、置和竞争者数量与销售额之间的多重相关系数 第62页/共99页双因素方差分析只考虑主效应 (例8-4的分析SPSS)方差分析模型的参数估计方差分析模型的参数估计 lIntercept是模型中的截距，它表示不考虑“超市位置”和“竞争者数量”这两个因素影响时销售额总的平均值为294.667万元第63页/共99页双因素方差分析只考虑主效应 (例8-4的分析SPSS)方差分析模型的参数估计方差分析模型的参数估计 l下面分别是对超市位置的影响效应和竞争者数量的影响效应的估计(有条件的估计)。由于3个位置的超市一共有3个参数，在估计模型的参数时，将最后一个水平(本例为写字楼)作为参照水平，这相当于强迫 3=

31、0，而另外两个参数(居民区和商业区)的估计值是检验结果实际上就是与参照水平相比较的结果。比如，居民区的参数 1=119，表示超市位置在居民区时对销售额的附加效应；竞争者数量的参数 2=-82.667，表示竞争者数量为“0个”时，竞争者数量对销售额的附加效应，等等l从表中可以看出，竞争者数量等于2个时的显著性水平(0.196)较大，表明竞争者数量等于2个时对销售额的影响不显著，而其他各显著性水平都很小，表明因素的其他水平对销售额均值有显著影响 第64页/共99页双因素方差分析只考虑主效应 (例8-4的分析SPSS)多重比较多重比较超市位置超市位置 第65页/共99页双因素方差分析只考虑主效应 (

32、例8-4的分析SPSS)多重比较多重比较竞争者数量第66页/共99页双因素方差分析只考虑主效应 (例8-4的分析SPSS)均值图均值图 纵坐标是估计的销售额的边际均值。条线分别表示不同竞争者数量(和不考虑超市位置)的销售额情况。由于本例使用的只考虑主效应的方差分析模型，所以线条折线是平行的第67页/共99页双因素方差分析只考虑主效应 (例8-4的分析SPSS)散点图矩阵散点图矩阵 l图 的 坐 标 分 别 是 观 测 值(Observed)、预测值(Predicted)和标准化残差(Std.Residual)。如果模型拟合的效果很好，则预测值和观测值应当有明显的相关，呈现出较强的线性趋势。而标

33、准化残差则应该随机地分布在一个水平带之内。从图中可以看出，预测值和观测值的散点图具有明显的关系。预测值和残差的散点图随机分布在一个水平带之内，模型没有违背正态性假定的情况，这表明本例中采用的方差分析模型的拟合效果很好第68页/共99页8.3.3 考虑交互效应8.3 双因素方差分析第69页/共99页双因素方差分析(考虑交互效应)提出假设第70页/共99页双因素方差分析(考虑交互效应)考虑交互效应的误差分解第71页/共99页考虑交互效应(检验的统计量F)双因素方差分析的方差分析表(考虑交互效应)第72页/共99页双因素分析考虑交互效应(平方和的计算)1.总平方和：2.因素A平方和：3.因素B平方和

34、：4.交互效应平方和：5.误差平方和：SST=SSA+SSB+SSAB+SSESST=SSA+SSB+SSAB+SSE第73页/共99页双因素方差分析考虑交互效应 (例题分析)【例例8-58-5】沿沿用用例例8-18-1。检检验验超超市市位位置置、竞竞争争者者数数量量及及其其交交互互效应对对销售额的影响是否显著效应对对销售额的影响是否显著(=0.05=0.05)模型：假设：第74页/共99页双因素方差分析(SPSS考虑交互效应)在用SPSS中进行方差分析时，需要把多个样本的观测值作为一个变量输入(本例为“销售额”)，然后把两个因素(“超市位置”和“竞争者数量”)分表单列，并于相应的销售额对应第

35、 1步：选 择【Analyze】，并 选 择【General Linear Model-Univaiate】进入主对话框第 2步：将 因 变 量(销 售 额)选 入【Dependent Variable】，将自变量(超市位置和竞争者数量)选入【Fixed Factor(s)】第3步：点击【Model】，并点击【Custom】；先将超市位置F和竞争者数量F分别选入【Model】，再将二者同时选入，此时在【Model】下出现“超市位置*竞争者数量”；在【Build Term(s)】下选择【Interaction】第75页/共99页双因素方差分析(SPSS考虑交互效应)第4步：(需要均值图时)点击【

36、Plots】，将“超市位置”选入【Horizontal Axis】，将“竞争者数量”选入【Separate Lines】，在【Plots】下点击【Add】，点击【Continue】回到主对话框(需要多重比较时)点击【Post-Hoc】，将“超市位置”和“竞争者数量”分别选入【Post-Hoc Test for】，在【Equal Variances Assumed】下 选 择 一 种 方 法，如 LSD，点 击【Continue】回到主对话框(需要相关统计量、方差齐性检验、对模型的参数进行估计时)点击【Options】，将“超市位置”和“竞争者数量”分别选入【Display Means for】

37、，在【Display】下 选 中【Descriptive】(计算因素的描述统计量)、【Homogeneity tests】(方差齐性检验)、【Parameter estimates】(估计模型中的参数)、【Residual】(输出残差分析的散点图矩阵)(需要预测值时)点击【Save】，并在【Predicted Values】下选中【Unstandardized】。点击【Continue】回到主对话框。点击【OK】方差分析方差分析第76页/共99页双因素方差分析考虑交互效应 (例8-5的分析SPSS)效应检验表效应检验表l含有一项交互效应(超市位置*竞争者数量)l从各项检验的显著性水平来看，均小

38、于0.05。表明超市位置、竞争者数量及其交互作用对销售额的影响均显著 第77页/共99页双因素方差分析考虑交互效应 (例8-5的分析SPSS)均值图均值图 纵坐标是估计的销售额的边际均值。条线分别表示不同竞争者数量(和不考虑超市位置)的销售额情况。由于本例使用的只考虑主效应的方差分析模型，所以线条折线是平行的 第78页/共99页双因素方差分析考虑交互效应(Excel)第1步：选择“工具”下拉菜单，并选择【数据分析】选项第2步：在分析工具中选择【方差分析：可重复双因子分 析】，然后选择【确定】第3步：当对话框出现时 在【输入区域】方框内键入数据区域 在【】方框内键入0.05(可根据需要确定)在【

39、每一样本的行数】方框内键入重复实验次数(3)在【输出区域】中选择输出区域 选择【确定】可重复双因子分析可重复双因子分析第79页/共99页双因素方差分析考虑交互效应(Excel)Excel输出的可重复双因素分析超市位置竞争者数量交互作用误差第80页/共99页8.4 实验设计初步 8.4.1 完全随机化设计 8.4.2 随机化区组设计 8.4.3 析因设计第 8 章 方差分析与实验设计第81页/共99页实验设计与方差分析第82页/共99页8.4.1 完全随机化设计8.4 实验设计初步第83页/共99页完全随机化设计(completely randomized design)1.“处理”被随机地指派

40、给实验单元的一种设计“处理”是指可控制的因素的各个水平“实验单元(experiment unit)”是接受“处理”的对象或实体2.在实验性研究中，感兴趣的变量是明确规定的，因此，研究中的一个或多个因素可以被控制，使得数据可以按照因素如何影响变量来获取3.对完全随机化设计的数据采用单因素方差分析第84页/共99页完全随机化设计(例题分析)这里的“小麦品种”就是实验因素或因素，品种1、品种2、品种3就是因素的3个不同水平，称为处理假定选取3个面积相同的地块，这里的“地块”就是接受处理的对象或实体，称为实验单元将每个品种随机地指派给其中的一个地块，这一过程就是随机化设计过程【例例8-68-6】一家种

41、业开发股份公司研究出3个新的小麦品种：品种1 1、品品种种2 2、品品种种3 3。为为分分析析不不同同品品种种对对产产量量的的影影响响，需需要要选选择择一一些些地地块块，在在每每个个地地块块种种上上不不同同品品种种的的小小麦麦，然然后后获获得得产产量量数数据据进进行行分分析。这一过程就是实验设计的过程析。这一过程就是实验设计的过程 第85页/共99页完全随机化设计(例题分析)实验数据：SPSSSPSS分析分析ExcelExcel分析分析第86页/共99页完全随机化设计(例题分析)方差分析SPSS第87页/共99页8.4.2 随机化区组设计8.4 实验设计初步第88页/共99页随机化区组设计(r

42、andomized block design)1.先按一定规则将实验单元划分为若干同质组，称为“区组(block)”2.再将各种处理随机地指派给各个区组比如在上面的例子中，首先根据土壤的好坏分成几个区组，假定分成4个区组：区组1、区组2、区组3、区组4，每个区组中有三个地块在每个区组内的3个地块以抽签的方式决定所种的小麦品种3.分组后再将每个品种(处理)随机地指派给每一个区组的设计就是随机化区组设计4.实验数据采用无重复双因素方差分析第89页/共99页随机化区组设计(例题分析)实验数据：SPSSSPSS分析分析ExcelExcel分析分析第90页/共99页随机化区组设计(例题分析)方差分析SP

43、SS第91页/共99页8.4.3 因素设计8.4 实验设计初步第92页/共99页因素设计(factorial design)1.感兴趣的因素有两个如：小麦品种和施肥方式假定有甲、乙两种施肥方式，这样3个小麦品种和两种施肥方式的搭配共有32=6种。如果我们选择30个地块进行实验，每一种搭配可以做5次实验，也就是每个品种(处理)的样本量为5，即相当于每个品种(处理)重复做了5次实验2.考虑两个因素(可推广到多个因素)的搭配实验设计称为因素设计3.该设计主要用于分析两个因素及其交互作用对实验结果的影响4.实验数据采用可重复双因素方差分析第93页/共99页因素设计(例题分析)实验数据：SPSSSPSS分析分析 ExcelExcel分析分析第94页/共99页因素设计(例题分析)方差分析SPSS第95页/共99页因素设计(例题分析)析因设计均值图第96页/共99页本章小结l方差分析的思想和原理l方差分析中的基本假设l单因素方差分析l双因素方差分析l实验设计与数据分析第97页/共99页结 束第98页/共99页感谢您的观看！第99页/共99页