方差分析与回归分析.pdf

第8章　方差分析与回归分析一、方差分析1．在一个单因子试验中，因子A有三个水平，每个水平下各重复4次，具体数据如下：表8-1试计算误差平方和s e、因子A的平方和S A与总平方和S T，并指出它们各自的自由度．解：此处因子水平数r＝3，每个水平下的重复次数m＝4，总试验次数为n＝mr＝12．首先，算出每个水平下的数据和以及总数据和：T1＝8＋5＋7＋4＝24．T2＝6＋10＋12＋9＝37．T3＝0＋1＋5＋2＝8．T＝T l＋T2＋T3＝24＋37＋8＝69．误差平方和S e由三个平方和组成：于是而2．在一个单因子试验中，因子A有4个水平，每个水平下重复次数分别为5，7，6，8．那么误差平方和、A的平方和及总平方和的自由度各是多少？解：此处因子水平数r＝4，总试验的次数n＝5＋7＋6＋8＝26，因而有误差平方和的自由度因子A的平方和的自由度总平方和的自由度3．在单因子试验中，因子A有4个水平，每个水平下各重复3次试验，现已求得每个水平下试验结果的样本标准差分别为1.5，2.0，1.6，1.2，则其误差平方和为多少？误差的方差σ2的估计值是多少？解：此处因子水平数r＝4，每个水平下的试验次数m＝3，误差平方和S e由四个平方组成，它们分别为于是其自由度为，误差方差σ2的估计值为4．在单因子方差分析中，因子A有三个水平，每个水平各做4次重复试验．请完成下列方差分析表，并在显著性水平α＝0.05下对因子A是否显著作出检验．表8-2 方差分析表解：补充的方差分析表如下所示：表8-3 方差分析表对于给定的显著性水平，查表知，故拒绝域为，由于，因而认为因子A是显著的．此处检验的p值为5．用4种安眠药在兔子身上进行试验，特选24只健康的兔子，随机把它们均分为4组，每组各服一种安眠药，安眠时间如下所示．表8-4 安眠药试验数据在显著性水平下对其进行方差分析，可以得到什么结果？解：这是一个单因子方差分析的问题，根据样本数据计算，列表如下：表8-5于是根据以上结果进行方差分析，并继续计算得到各均方以及F 比，列于下表：表8-6在显著性水平下，查表得，拒绝域为，由于故认为因子A （安眠药）是显著的，即四种安眠药对兔子的安眠作用有明显的差别．此处检验的p 值为6．为研究咖啡因对人体功能的影响，特选30名体质大致相同的健康男大学生进行手指叩击训练，此外咖啡因选三个水平：每个水平下冲泡l0杯水，外观无差别，并加以编号，然后让30位大学生每人从中任选一杯服下，2h后，请每人做手指叩击，统计员记录其每分钟叩击次数，试验结果统计如下表：表8-7请对上述数据进行方差分析，从中可得到什么结论？解：我们知道，对数据作线性变换不会影响方差分析的结果，这里将原始数据同时减去240，并作相应的计算，计算结果列入下表：表8-8于是可计算得到三个平方和把上述诸平方和及其自由度填入方差分析表，并继续计算得到各均方以及F比：表8-9若取查表知，从而拒绝域为，由于．故认为因子A（咖啡因剂量）是显著的，即三种不同剂量对人的作用有明显的差别．此处检验的p值为7．某粮食加工厂试验三种储藏方法对粮食含水率有无显著影响．现取一批粮食分成若干份，分别用三种不同的方法储藏，过一段时间后测得的含水率如下表：表8-10（1）假定各种方法储藏的粮食的含水率服从正态分布，且方差相等，试在下检验这三种方法对含水率有无显著影响；（2）对每种方法的平均含水率给出置信水平为0.95的置信区间．解：（1）这是一个单因子方差分析的问题，由所给数据计算如下表：表8-11三个平方和分别为。

项目八 假设检验、回归分析与方差分析实验2 回归分析实验目的 学习利用Mathematica 求解一元线性回归问题. 学会正确使用命令线性回归Regress, 并从输出表中读懂线性回归模型中各参数的估计, 回归方程, 线性假设的显著性检验结果, 因变量Y 在预察点0x 的预测区间等.基本命令1.调用线性回归软件包的命令<<Statistics\LinearRegression.m 输入并执行调用线性回归软件包的命令<<Statistics\LinearRegression.m或调用整个统计软件包的命令<<Statistics`2.线性回归的命令Regress一元和多元线性回归的命令都是Regress. 其格式是Regress[数据, 回归函数的简略形式, 自变量,RegressionReport(回归报告)->{选项1,选项2,选项3,…}]注: 回归报告中包含BestFit(最佳拟合,即回归函数), ParameterCITable(参数的置信区间表), PredictedResponse(因变量的预测值), SinglePredictionCITable(因变量的预测区间), FitResiduals(拟合的残差), SummaryReport(总结性报告)等.3.抹平“集合的集合”的命令Flatten命令Flatten[A]将集合的集合A 抹平为只有一个层次的集合. 例如, 输入Flatten[{{1,2,3},{1,{3}}}]则输出{1,2,3,1,3}.4.非线性拟合的命令NonlinearFit 使用的基本格式为NonlinearFit [数据, 拟合函数, (拟合函数中的)变量集, (拟合函数中的)参数, 选项] 注: 拟合函数中既有变量又有参数, 变量的个数要与数据的形式相应. 参数集中往往需 要给出各参数的初值. 选项的内容主要是指定拟合算法、迭代次数和精度.实验举例例2.1 (教材 例2.1) 某建材实验室做陶粒混凝土实验室中, 考察每立方米)(3m 混凝土的水泥用量(kg)对混凝土抗压强度)/(2cm kg 的影响, 测得下列数据:7.894.866.822.804.771.742602502402302202103.711.686.646.613.589.56200190180170160150yx y x 抗压强度水泥用量抗压强度水泥用量(1) 画出散点图;(2) 求y 关于x 的线性回归方程,ˆˆˆx b a y+=并作回归分析; (3) 设2250=x kg, 求y 的预测值及置信水平为0.95的预测区间.先输入数据:aa = {{150,56.9},{160,58.3},{170,61.6},{180,64.6},{190,68.1},{200,71.3},{210,74.1},{220,77.4},{230,80.2},{240,82.6},{250,86.4},{260,89.7}};(1) 作出数据表的散点图. 输入ListPlot[aa,PlotRange->{{140,270},{50,90}}]则输出图2.1.图2.1(2) 作一元回归分析, 输入Regress[aa,{1,x},x,RegressionReport->{BestFit,ParameterCITable,SummaryReport}]则输出{BestFit->10.2829+0.303986x, ParameterCITable->Estimate SE CI 1 10.2829 0.850375 {8.388111,12.1776}, x 0.303986 0.00409058 {0.294872,0.3131} ParameterTable->Esimate SE Tstat PValue 110.28290.85037512.09222.71852710-⨯,x 0.303986 0.00409058 74.3137 4.884981510-⨯ Rsquared->0.998193,AdjustedRSquared->0.998012, EstimatedVariance->0.0407025,ANOV A Table->DF SumOfSq MeanSq Fratio PValue Model1 1321.43 1321.435522.524.773961510-⨯Error10 2.39280.23928Total 11 1323.82现对上述回归分析报告说明如下:BestFit(最优拟合)-> 10.2829+0.303986x 表示一元回归方程为x y 303986.02829.10+=;ParameterCITable(参数置信区间表)中: Estimate 这一列表示回归函数中参数a , b 的点估计为aˆ=10.2829 (第一行), b ˆ= 0.303986 (第二行); SE 这一列的第一行表示估计量a ˆ的标准差为0.850375, 第二行表示估计量bˆ的标准差为0.00409058; CI 这一列分别表示a ˆ的置信水平为0.95的置信区间是(8.388111,12.1776), bˆ的置信水平为0.95的置信区间是 (0.294872,0.3131).ParameterTable(参数表)中前两列的意义同参数置信区间表; Tstat 与Pvalue 这两列的第一行表示作假设检验(t 检验):0:,0:10≠=a H a H 时, T 统计量的观察值为12.0922, 检验统计量的P 值为2.71852710-⨯, 这个P 值非常小, 检验结果强烈地否定0:0=a H , 接受0:1≠a H ; 第二行表示作假设检验(t 检验): ,0:0=b H 0:1≠b H 时T 统计量的观察值为74.3137, 检验统计量的P 值为 4.884981510-⨯, 这个P 值也非常小, 检验结果强烈地否定,0:0=b H 接受0:1≠b H .Rsquared->0.998193, 表示.998193.0)()(2==总平方和回归平方和SST SSR R 它说明y 的变化有99.8%来自x 的变化; AdjustedRSquared->0.998012, 表示修正后的=2~R 0.998012.EstimatedVariance->0.0407025, 表示线性模型),0(~,2σεεN bx a y ++=中方差2σ的估计为0.0407025.ANOV A Table(回归方差分析表)中的DF 这一列为自由度: Model(一元线性回归模型)的自由度为1, Error(残差)的自由度为,102=-n Total(总的)自由度为.111=-nSumOfSq 这一列为平方和: 回归平方和=SSR 1321.43, 残差平方和=SSE 2.3928,总的平方和=+=SSE SSR SST 1323.82;MeanSq 这一列是平方和的平均值, 由SumOfSq 这一列除以对应的DF 得到, 即.23928.02,43.13211=-===n SSEMSE SSR MSR FRatio 这一列为统计量MSEMSRF =的值, 即.52.5522=F 最后一列表示统计量F 的P 值非常接近于0. 因此在作模型参数)(b =β的假设检验(F 检验):0:;0:10≠=ββH H 时, 强烈地否定0:0=βH , 即模型的参数向量.0≠β因此回归效果 非常显著.(3) 在命令RegressionReport 的选项中增加RegressionReport->{SinglePredictionCITable}就可以得到在变量x 的观察点处的y 的预测值和预测区间. 虽然0.14=x 不是观察点, 但是可以用线性插值的方法得到近似的置信区间. 输入aa=Sort[aa]; (*对数据aa 按照水泥用量x 的大小进行排序*)regress2=Regress[aa,{1,x},x,RegressionReport->{SinglePredictionCITable}](*对数据aa 作线性回归, 回归报告输出y 值的预测区间*)执行后输出{SinglePredictionCITable-> Observed PredictedSE CI56.9 55.8808 0.55663 {54.6405,57.121} 58.3 58.92060.541391 {57.7143,60.1269} 61.6 61.9605 0.528883 {60.7821,63.1389} 64.6 65.00030.519305 {63.8433,66.1574} 68.1 68.0402 0.51282 {66.8976,69.1828} 71.3 71.0801 0.509547 {69.9447,72.2154}} 74.1 74.1199 0.509547 {72.9846,75.2553} 77.4 77.1598 0.51282 {76.0172,78.3024} 80.2 80.1997 0.519305 {79.0426,81.3567} 82.6 83.2395 0.528883 {82.0611,84.4179} 86.4 86.2794 0.541391 {85.0731,87.4857} 89.7 89.3192 0.55663 {88.079,90.5595}上表中第一列是观察到的y 的值, 第二列是y 的预测值, 第三列是标准差, 第四列是相应的预测区间(置信度为0.95). 从上表可见在)4.77(220==y x 时, y 的预测值为77.1598, 置信度为0.95的预测区间为(76.0172,75.2553), 在)2.80(230==y x 时, y 的预测值为80.1997, 置信度为0.95的预测区间为{79.0426,81.3567}. 利用线性回归方程, 可算得=0x 225时, y 的预测值为78.68, 置信度为0.95的预测区间为(77.546, 79.814).利用上述插值思想, 可以进一步作出预测区间的图形. 先输入调用图软件包命令<<Graphics`执行后再输入{observed2,predicted2,se2,ci2}=Transpose[(SinglePredictionCITable/.regress2)[[1]]];(*取出上面输出表中的四组数据, 分别记作observed2,predicted2,se2,ci2*) xva12=Map[First,aa];(*取出数据aa 中的第一列, 即数据中x 的值, 记作xva12*) Predicted3=Transpose[{xva12,predicted2}];(*把x 的值xva12与相应的预测值predicted2配成数对, 它们应该在一条回 归直线上*)lowerCI2=Transpose[{xva12,Map[First,ci2]}];(*Map[First,ci2]取出预测区间的第一个值, 即置信下限. x 的值xva12与相应 的置信下限配成数对*)upperCI2=Transpose[{xva12,Map[Last,ci2]}];(*Map[Last,ci2]取出预测区间的第二个值, 即置信上限. x 的值xva12与相应的置信上限配成数对*)MultipleListPlot[aa,Predicted3,lowerCI2,upperCI2,PlotJoined->{False,True,True,True},SymbolShape->{PlotSymbol[Diamond],None,None, None}, PlotStyle->{Automatic,Automatic,Dashing[{0.04,0.04}], Dashing[{0.04,0.04}]}](*把原始数据aa 和上面命令得到的三组数对predicted3,lowerCI2,upperCI2 用多重散点图命令MultipleListPlot 在同一个坐标中画出来. 图形中数据 aa 的散点图不用线段连接起来, 其余的三组散点图用线段连接起来, 而 且最后两组数据的散点图用虚线连接.*)则输出图2.2.图2.2从图形中可以看到, 由Y 的预测值连接起来的实线就是回归直线. 钻石形的点是原始数 据. 虚线构成预测区间.多元线性回归例2.2 (教材 例2.2) 一种合金在某种添加剂的不同浓度下, 各做三次试验, 得到数据如下表:8.323.327.298.277.288.301.306.321.313.274.297.312.318.292.250.300.250.200.150.10Yx 抗压强度浓度(1) 作散点图;(2) 以模型),0(~,22210σεεN x b x b b Y +++=拟合数据, 其中2210,,,σb b b 与x 无关;(3) 求回归方程,ˆˆˆˆ2210x b x b b y ++=并作回归分析. 先输入数据bb={{10.0,25.2},{10.0,27.3},{10.0,28.7},{15.0,29.8},{15.0,31.1},{15.0,27.8},{20.0,31.2},{20.0,32.6}, {20.0,29.7},{25.0,31.7},{25.0,30.1},{25.0,32.3}, {30.0,29.4},{30.0,30.8},{30.0,32.8}};(1) 作散点图, 输入ListPlot[bb,PlotRange->{{5,32},{23,33}},AxesOrigin->{8,24}]则输出图2.3.图2.3(2) 作二元线性回归, 输入Regress[bb,{1,x,x^2},x,RegressionReport->{BestFit,ParameterCITable,SummaryReport}](*对数据bb 作回归分析, 回归函数为,2210x b x b b ++用{1,x,x^2}表示, 自变量为x, 参数0b ,1b ,2b 的置信水平为0.95的置信区间)执行后得到输出的结果:{bestFit->19.0333+1.00857x-0.020381x 2, ParameterCITable->Estimate SE CI119.0333 3.27755{11.8922,26.1745} x 1.00857 0.356431{0.231975,1.78517}x 2 -0.0203810.00881488{-0.0395869,-0.00117497}ParameterTable->Estimate SE Tstat PValue 119.03333.277555.807180.0000837856x 1.00857 0.356431 2.82964 0.0151859 x 2 -0.0203810.00881488-2.312110.0393258Rsquared->0.614021,AdjustedRSquared->0.549692, EstimatedVariance->2.03968,ANOV A Table->DF SumOfSqMeanSq Fratio PValue Mode1 2 38.937119.4686 9.54490.00330658Error 12 24.47622.03968Total14 63.4133从输出结果可见: 回归方程为,020381.000857.10333.192x x Y -+=.020381.0ˆ,00857.1ˆ,0333.19ˆ210-===b b b 它们的置信水平为0.95的置信区间分别是 (11.8922,26.1745),(0.231975,1.78517),(-0.0395869,-0.00117497).假设检验的结果是: 在显著性水平为0.95时它们都不等于零. 模型),0(~,22210σεεN x b x b b Y +++=中,2σ的估计为2.03968. 对模型参数T b b ),(21=β是否等于零的检验结果是: .0≠β因此回归效果显著.非线性回归例2.3 下面的数据来自对某种遗传特征的研究结果, 一共有2723对数据, 把它们分成8类后归纳为下表.36.1937.1991.2079.2115.2342.257.2908.3887654321917461203246071021579y x 遗传性指标分类变量频率研究者通过散点图认为y 和x 符合指数关系:,c ae y bx += 其中c b a ,,是参数. 求参数c b a ,,的最小二乘估计.因为y 和x 的关系不是能用Fit 命令拟合的线性关系, 也不能转换为线性回归模型. 因此考虑用(1)多元微积分的方法求c b a ,,的最小二乘估计; (2)非线性拟合命令NonlinearFit 求c b a ,,的最小二乘估计.(1) 微积分方法 输入Off[Genera1::spe11] Off[Genera1::spe111] Clear[x,y,a,b,c]dataset={{579,1,38.08},{1021,2,29.70},{607,3,25.42},{324,4,23.15},{120,5,21.79},{46,6,20.91},{17,7,19.37},{9,8,19.36}}; (*输入数据集*) y[x_]:=a Exp[b x]+c (*定义函数关系*)下面一组命令先定义了曲线c ae y bx +=与2723个数据点的垂直方向的距离平方和, 记为).,,(c b a g 再求),,(c b a g 对c b a ,,的偏导数,,,cgb g a g ∂∂∂∂∂∂分别记为.,,gc gb ga 用FindRoot 命令解三个偏导数等于零组成的方程组(求解c b a ,,). 其结果就是所要求的c b a ,,的最小二乘估计. 输入Clear[a,b,c,f,fa,fb,fc]g[a_,b_,c_]:=Sum[dataset[[i,1]]*(dataset[[i,3]]-a*Exp[dataset[[i,2]]*b]-c)^2,{i,1,Length[dataset]}] ga[a_,b_,c_]=D[g[a,b,c],a]; gb[a_,b_,c_]=D[g[a,b,c],b]; gc[a_,b_,c_]=D[g[a,b,c],c]; Clear[a,b,c]oursolution=FindRoot[{ga[a,b,c]==0,gb[a,b,c]==0,gc[a,b,c]==0},{a,40.},{b,-1.},{c,20.}](* 40是a 的初值, -1是b 的初值, 20是c 的初值*)则输出{a->33.2221,b->-0.626855,c->20.2913} 再输入yhat[x_]=y[x]/.oursolution则输出20.2913+33.2221x e 626855.0这就是y 和x 的最佳拟合关系. 输入以下命令可以得到拟合函数和数据点的图形:p1=Plot[yhat[x],{x,0,12},PlotRange->{15,55},DisplayFunction->Identity]; pts=Table[{dataset[[i,2]],dataset[[i,3]]},{i,1,Length[dataset]}]; p2=ListPlot[pts,PlotStyle->PointSize[.01],DisplayFunction->Identity]; Show[p1,p2,DisplayFunction->$DisplayFunction];则输出图2.4.图2.4(2) 直接用非线性拟合命令NonlinearFit 方法 输入data2=Flatten[Table[Table[{dataset[[j,2]],dataset[[j, 3]]},{i,dataset[[j,1]]}],{j,1,Length[dataset]}],1]; (*把数据集恢复成2723个数对的形式*)<<Statistics`w=NonlinearFit[data2,a*Exp[b*x]+c,{x},{{a,40},{b,-1},{c,20}}]则输出x e 626855.02221.332913.20-+这个结果与(1)的结果完全相同. 这里同样要注意的是参数c b a ,,必须选择合适的初值.如果要评价回归效果, 则只要求出2723个数据的残差平方和.)ˆ(2∑-i i yy 输入 yest=Table[yhat[dataset[[i,2]]],{i,1, Length[dataset]}];yact=Table[dataset[[i,3]],{i,1,Length[dataset]}]; wts=Table[dataset[[i,1]],{i,1,Length[dataset]}]; sse=wts.(yact-yest)^2 (*作点乘运算*)则输出59.9664即2723个数据的残差平方和是59.9664. 再求出2723个数据的总的相对误差的平方和.]ˆ/)ˆ[(2∑-i i i y yy 输入 sse2=wts.((yact-yest)^2/yest) (*作点乘运算)则输出2.74075由此可见, 回归效果是显著的.实验习题1.某乡镇企业的产品年销售额x 与所获纯利润y 从1984年的数据(单位:百万元)如下表3.225.207.174.157.135.117.94.83.84.65.43.349.328.294.241.214.176.147.104.95.71.69493929190898887868584y x 纯利润销售额年度 试求y 对x 的经验回归直线方程, 并作回归分析.2.在钢线碳含量对于电阻的效应的研究中, 得到以下数据268.236.2221191815/95.080.070.055.040.030.010.0%/Ωμy x 电阻碳含量试求y 对x 的经验回归直线方程, 并作简单回归分析.(1) 画出散点图;(2) 求y 关于x 的线性回归方程,ˆˆˆx b a y+=并作回归分析; (3) 求0.14=x 时y 的置信水平为0.95的预测区间.4.下面给出了某种产品每件平均单价Y (单位:元)与批量x (单位:件)之间的关系的一组数 据18.120.121.124.126.130.140.148.155.165.170.181.1908075706560504035302520y x(i)作散点图. (ii)以模型),0(~,22210σεεN x b x b b Y +++=拟合数据, 求回归方程,ˆˆˆˆ2210x b x b b Y ++=并作简单回归分析.]。

线性回归分析和方差分析报告信计12 徐文豪 2110902039本报告以教材第二章课后习题2.4和第三章课后习题3.6为主体，给出对应的解答、sas 代码和结果分析。

2.4 某公司管理人员为了了解某化妆品在一个城市的月销售量Y （单位：箱）与该城市中适合使用该化妆品的人数1X （单位：前人）以及他们人均月收入2X （单位：元）之间的关系，在某个月中对15个城市做了调查，得上述各量的观测值如下表所示：162 274 2450 120 180 3254 223 375 3802 131 205 2838 67 86 2347 169 265 3782 81 98 3008 192 330 2450 116 195 2137 55 53 2560 252 430 4020 232 372 4427 144 236 2660 103 157 2088 212 370 2605假设Y 与1X ，2X 之间满足线性回归关系01122i i i i y x x βββε=+++，1,2,,15i = 其中(1,2,15)i i ε=独立通分布于2(0,)N σ。

（1）求回归系数012,,βββ的最小二乘估计和误差方差2σ的估计，写出回归方程并对回归系数作解释。

解：首先将数据导入sas ，sas 语句如下：data sale;input y x1 x2; cards ;162 274 2450 120 180 3254 223 375 3802 131 205 2838 67 86 2347 169 265 3782 81 98 3008 192 330 2450 116 195 2137 55 53 2560 252 430 4020 232 372 4427 144 236 2660 103 157 2088 212 370 2605 ; run ;然后调用reg 过程，sas 语句如下：proc reg data =sale; model y=x1 x2; run ;运行结果如下：由此得到012,,βββ的最小二乘估计分别为3.45261,0.496,0.0092，2 4.7403σ=，回归方程为123.452610.4960.0092y x x =++1β显示当人均月收入固定时，使用化妆品的人数上升一人，月销售量增加0.496个单位；2β显示当使用化妆品的人数固定时，人均月收入增加一元，月销售量增加0.0092个单位。

第八章 方差分析与回归分析§8.1 方差分析8.1.1 问题的提出举例说明概念因子和水平。

因子：对研究对象产生影响的因素。

水平：因子所处的状态。

8.1.2 单因子方差分析的统计模型在研究中只考察一个因子则称为单因子试验，其中，记因子为A ，设其有r 个水平，记为r A A ,,1 ，在每一水平下考察的指标可以看成一个总体，现有r 个水平，故有r 个总体，假定：(1)每一总体均为正态总体，记为r i N i i ,,2,1),,(2；(2)各总体的方差相同，记222221 r ；(3)从每一总体中抽取的样本是相互独立的，即所有的试验结果ij y 都相互独立。

这些假定都可以用统计方法进行验证。

首先比较各水平下的均值是否相同，即要对如下的一个假设进行检验，不全相等r rH H ,,,::211210在不会引起误解的前提下，1H 通常可以省略不写。

若0H 成立，则称因子A 不显著，否则，称因子A 显著。

对如上的假设进行检验，需要从每一水平下的总体抽取样本，设从第i 个水平下的总体获得m 个试验结果(各个水平下相同)，记ij y 表示第i 个总体的第j 次重复试验结果。

共得如下m r 个试验结果：m j r i y ij ,,1,,,1,其中r 为水平数，m 为重复数，i 为水平编号，j 为重复编号。

在水平i A 下的试验结果ij y 与该水平下的指标均值i 一般总是有差距的，记i ij ij y ，ij 称为随机误差，于是有ij i ij y上式称为试验结果ij y 的数据结构式。

把三个假定用于数据结构式就可以写出单因子方差分析的统计模型：),0(,,1,,,1,2 N m j r i y ij ij i ij 相互独立，且都服从诸为了能更好地描述数据，常引入总均值和效应的概念：总均值：诸i 的平均 ri i r r 11 ；称第i 水平下的均值i 与总均值 的差i i a ，r i ,,1为因子A 的第i 水平的主效应，简称为i A 的效应。

一、方差分析和回归分析的区别与联系？（以双变量为例）联系：1、概念上的相似性回归分析是为了分析变量间的因果关系，研究自变量X取不同值时，因变量平均值Y的变化。

运用回归分析方法，可以从变量的总偏差平方和中分解出已被自变量解释掉的误差（解释掉误差）和未被解释掉的误差（剩余误差）；方差分析是为了分析或检验总体间的均值是否有所不同。

通过对样本中自变量X取不同值时所对应的因变量Y均值的比较，推论到总体变量间是否存在关系。

运用方差分析，也可以从变量的总离差平方和中分解出已被自变量解释掉的误差和未被自变量解释掉的误差。

因此两种分析在概念上所具有的相似性是显而易见的。

2、统计分析步骤的相似性回归分析在确定自变量X是否为因变量Y的影响因素时，从分析步骤上先对X和Y进行相关分析，然后建立变量间的回归模型。

最后再进行参数的统计显着性检验或对回归模型的统计显着性进行检验。

方差分析在确定X是否是Y的影响因素时，是先从样本所的数据的分析入手，然后考察数据模型，最后对样本均值是否相等进行显着性检验。

二者在分析步骤上也具有相似性。

3、假设条件具有一定的相似性回归分析有五个基本假定，分别是：自变量可以是随机变量也可以是非随机变量；X与Y 之间存在的非确定性的相关关系，要求Y的所有子总体，其方差都相等；子总体均值在一是统计独立的，即Y1的数值不影响Y2的数值，各Y值之间都没有条直线上；随机变量Yi关系；Y值的每一个子总体都满足正态分布。

方差分析的基本假定有：等方差性（总体中自变量的每一取值所对应因变量Y的分布都具i的分布为正态分布。

有相同方差）；Yi二者在假设条件上存在着相同。

4、在总离差平方和中的分解形式和逻辑上的相似性回归分析中，TSS=RSS+RSSR，而在方差分析中，TSS=RSS+BSS。

二者均是以已解释掉的误差与未被解释掉的误差之和为总离差平方和。

5、确定影响因素上的相似性为简化分析起见,我们假设只有一个自变量X影响因变量Y。