统计与方法-第四章方差教材分析.pptVIP

多元方差分析小结 分析结果说明，只有民族一个因素存在显著差异，因此我们应该用第一个模型的检验结果报告。 在实际研究中，通常是先检验更复杂的模型，并通过逐步淘汰不显著的因素，得到完全显著的模型。 练习：工业产品销售员报酬案例 在过去的十年里，《工业产品销售》一直在跟踪调查工业产品销售员的报酬。在1997年报酬调查中，有358名回答者的结果表明：有27%的回答者在销售额大于4000万美元的销售公司工作。在中小型公司（销售额在600万-2000万美元之间）工作的销售员的收入比在那些在大公司工作的要高。报酬最低的销售员在销售额小于100万美元的公司工作。1996年一般的户外销售员报酬为50000美元，而一般的户内销售员报酬为30000美元。 练习：工业产品销售员报酬案例 假定在较大的旧金山地区工业产品销售员的一个分会，进行了关于会员资格的一次调查，以研究雇员资历与在户外或室内场所销售的年薪之间是否有关系。在这个调查中，被调查者分为三个资历水平：低(1-10年)、中（11-20年）和高（21年以上）。 所有的数据在数据文件：方差分析-工业产品销售员报酬案例.SAV。 练习：工业产品销售员报酬案例 请对该数据进行： （1）用描述统计进行分析。 （2）不考虑销售员的资历，建立所有销售员平均年薪的95%置信区间。 （3）建立户外销售员平均年薪的95%置信区间，并与《工业产品销售》报告的全国数据值比较。 （4）建立户内销售员平均年薪的95%置信区间，并与《工业产品销售》报告的全国数据值比较。 （5）对该数据进行方差分析。 SPSS选项 Model— Custom， 在Build Terms 中选择Interaction， 先把promot(F)和service(F)选入Model， 再把promot(F)和service(F)同时选入Model（出现“promot*service”）； SPSS输出结果 方差分析表的意义 而计算机的方差分析表公式的意义为： 方差分析表的意义 考虑协变量的多因素方差分析 再进行方差分析时，要求控制变量（因素）时可控的， 但实际中，有些因素的不同水平很难人为控制，但他们确确实实对观测变量产生显著的影响。 在方差分析中如果忽略这些因素的存在，而单单去分析其他因素对观测变量的影响，往往会夸大或缩小这些因素的影响作用，使得分析结论不正确。 协方差分析 如：我们研究销售额时，仅仅考虑促销方式和售后服务，而不去考虑销售人员的奖金对销售情况的影响，显然是不全面的。 因此为了更加准确地研究控制变量不同水平对观测变量的影响，应尽量排除其他能够排出的因素对分析的影响作用。 协方差分析是将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观察变量的影响，从而更加准确地对控制因素进行评价。 协方差分析 方差分析中的影响变量（因素）都是定性变量， 而协方差分析中的协变量应是定量变量，即连续数值型，协变量之间没有交互影响，且与控制变量之间也没有交互影响。 协方差分析 现在加上作为协变量的定量变量奖金，看它对销售有没有影响，这时的线性模型就又多了一个如同回归一样的代表自变量奖金的一项： 因变量 = 因素A主效应+因素B的主效应 （观察变量） +因素A与B的交互效应+协变量 +随机误差 协方差分析 Spss选项： 只要将奖金（bonus）这个变量放入Covariate中即可。 SPSS输出结果 多因素方差分析的其他选项 Model选项：建立多因素方差分析的模型。 Contrast选项：对控制变量各水平的观察变量的差异进行对比检验。 Post Hoc选项：进行多重比较检验。 Plots选项：以图形的方式展现各控制变量之间是否有交互影响。 多元方差分析 多元方差分析 多元方差分析的原理与一元方差分析的原理一致（略）。 下面通过对一套数据资料建立不同模型来说明多元方差分析。 Spss数据：方差分析2.sav 因变量：人均收入水平INC、 15岁及以上人口上学或毕业比例EDU 因素：民族（3个）、城乡 第一模型：单因素二元模型 按民族一个因素分组 研究目的：通过样本数据检验这三个民族在社会经济发展上是否存在显著差异？ 即： 多元方差的假设 第一模型：单因素二元模型 SPSS选项： Analyze— General Linear Model — Multivariate 人均收入、教育比例 Dependent Var 民族 Fixed Factors Spss的多元显著性检验 一元方差分析结果 第一模型：单因素二元模型