单因素方差分析

当 H 0 不真时，
SE 2 而不管 H 0 是否为真， E n s
当 H 0 为真时:
S A ( s 1) F 不能过大 S E (n s)
当 H0
S A ( s 1) ~ F ( s 1, n s ) 为真时: F S E (n s)
(i 1,2,, s;
j 1,2,, ni )
i 为第 i 个总体的均值 ， ij 为相应的试验误差。
记
1 s ni i ，称为总平均， n i 1
i i 称为水平 Ai 的效应。
从而模型可以写为：
yij i ij 2 ~ N ( 0 , ) ij ni i 0 i
因此，给定检验水平 时，拒绝域为：
F F ( s 1, n s )
表2 方差分析表
来源 因子 平方和 自由度 均方
2 i 2
F
S A ( s 1) S E (n s)
S A ni y ny
i 1
s
s 1
SA s1
SE n s
误差
总和
S E ST S A
2、方差分析的基本思想： 从所有观测值的总变差中分析出系统变差和随机误差， 通过比较二者的大小关系， 说明试验因素的不同水平对试验结果影响的大小。 即若两个变差差别不大， 各个水平差异不大； 若两个变差差别较大，则不同水平存在显著差异。
3、平方和的分解 记
1 y yij n i 1 j 1
由因素A的各个不同的水平引起的差异。
4、 S A 和 S E 的统计特性
1 y ij y i ni 1 j 1
ni

单因素方差分析定义：单因素方差分析测试某一个控制变量的不同水平是否给观察变量造成了显著差异和变动.例如，培训是否给学生成绩造成了显著影响；不同地区的考生成绩是否有显著的差异等。

前提:1总体正态分布。

当有证据表明总体分布不是正态分布时，可以将数据做正态转化。

2变异的相互独立性。

3各实验处理内的方差要一致。

进行方差分析时，各实验组内部的方差批次无显著差异，这是最重要的一个假定,为满足这个假定，在做方差分析前要对各组内方差作齐性检验。

一、单因素方差分析1选择分析方法本题要判断控制变量“组别”是否对观察变量“成绩"有显著性影响，而控制变量只有一个，即“组别”，所以本题采用单因素分析法，但需要进行正态检验和方差齐性检验。

2在“组别”，3正态检验（P>0。

05,服从正态分布）正态检验操作过程:“分析"→“描述统计”→“探索"，出现“探索”窗口，将因变量“成绩"放入“因变量列表”，将自变量“组别"放入“因子列表”,将“人名”放入“标注个案”;点击“绘制”,出现“探索:图"窗口，选中“直方图"和“带检验的正态图”，点击“继续”; 点击“探索”窗口的“确定"，输出结果.因变量是用户所研究的目标变量。

因子变量是影响因变量的因素,例如分组变量。

标注个案是区分每个观测量的变量。

带检验的正态图（Normality plots with test，复选框）：选择此项，将进行正态性检验，并生成正态Q—Q概率图和无趋势正态Q-Q概率图.正态检验结果分析:p值都大于0.05，因而我们不能拒绝零假设，也就是说没有证据表明各组的数据不服从正态分布（检验中的零假设是数据服从正态分布)。

即p值≥0。

05,数据服从正态分布。

4单因素方差分析操作过程“分析”→“比较均值”→“单因素ANOVA”，出现“单因素方差分析”窗口，将因变量“成绩”放入“因变量列表”，将自变量“组别”放入“因子”列表;点击“选项”选择“方差同质性检验"和“描述性”，点击“继续”，回到主对话框；点击“两两比较”选择“LSD”和“S—N-K” 、“Dunnett’s C",点击“继续”，回到主对话框；点击“对比”，选择“多项式" ,点击“继续”，回到主对话框；点击“单因素方差分析”窗口的“确定",输出结果。

2.0
0.7
1.5
0.9
0.9
0.8
1.1
-0.3
-0.2
0.7
1.3
1.4
概率论与数理统计
3
❖ 前言 方差分析的思想
➢ 我们可以计算出各组的均值与方差，但是如何通过这些数据 结果来判断呢？这就需要进行方差分析.
➢ 在实际问题中, 影响一个数值型随机变量的因素一般会有很多, 例如影响农作物产量的因素就有种子品种，肥料、雨水等; 影 响化工产品的产出率的因素可能有原料成分、剂量、催化剂 、反应温度、机器设备和操作水平等；影响儿童识记效果的 因素有教学材料、教学方法等. 为了找出影响结果(效果)最显 著的因素, 并指出它们在什么状态下对结果最有利, 就要先做 试验, 方差分析就是对试验数据进行统计分析, 鉴别各个因素 对对我们要考察的指标（试验指标）影响程度的方法．
概率论与数理统计
7
❖ 1.单因素试验的方差 概念
➢ 推断三种治疗方案是否存在差异的问题，就是要辨别治 疗方案的差异主要是由随机误差造成的，还是由不同方 案造成的，这一问题可归结为三个总体是否有相同分布 的讨论．根据实际问题的情况，可认为血红蛋白的增加 值服从正态分布，且在安排试验时，除所关心的因素（ 这里指的是这里方案）外，其它试验条件总是尽可能做 到一致，这就使我们可以近似的认为每个总体的方差相 同，即xi～N(μi，σ2) i = 1，2，3．
概率论与数理统计
❖2. 单因素方差分析的数学模型
➢ 单因素方差分析问题的一般提法为： ➢ 因素A有m个水平A1, A2, …, Am, 在Ai水平下, 总体Xi～N(μi,
σ2), i = 1, 2, …, m．其中μi和σ2均未知, 但方差相等, 希望 对不同水平下总体的均值进行比较． 设xij表示第i个总体的第j个观测值(j = 1, 2, …, ni, i = 1, 2, …, m), 由于Xij～N(μi, σ2), i = 1, 2, …, m．单因素方差分 析模型常可表示为：

其中
r n i
2r
2
S S A X iX n i ii
i 1j 1
i 1
组间平方和（系
如果H0 成立，则SSA 较小。 统离差平方和）
反映的是各水平平均值偏离总平均值的偏离程度。
其中
1 r ni
ni1 j1
ij,
ni
i ij
j1
r ni
2 r ni
2
由P106定理5.1可推得：
S S 2 T~2 n 1 ,S S 2 A ~2 r 1 ,S S 2 E ~2 n r
将 分别SS记2T 作, SS2A
,
SSE
2
的自d由fT度,dfA,dfE
则 FSSA dfA~Fr1,nr
SSE dfE
（，称记作均S S 方A 和d f）A M S A ,S S Ed fE M S E
j1
i1
同一水平 下观测值 之和
所以观测 值之和
例2 P195 2 以 A、B、C 三种饲料喂猪，得一个月后每猪 所增体重（单位：500g）于下表，试作方差分析。
饲料
增重
A
51
40
43
48
B
23
ቤተ መጻሕፍቲ ባይዱ25
26
C
23
28
解：T1 51404348182, T2 232526 74, T3 232851
F0.012,610.92
1 5 .0 3
总和 1024.89 8
不同的饲料对猪的体重的影响极有统计意义。
例2的上机实现步骤
输入原始数 据列，并存 到A，B，C 列；
各水平数据放同一列
各水平数据 放在不同列