第6章节节SPSS的方差剖析.ppt

统计分析与SPSS的应用 第6章 SPSS的方差分析 6.1　方差分析概述 不同促销方式方式的抽样结果： 6.1　方差分析概述 竞争者数量和超市位置对销售额的影响 方差分析 (ANOVA, Analysis of Variance) 目的：方差分析从分析数据的差异入手，分析哪些因素是影响数据差异的众多因素中的主要因素. 相关概念： 观测变量:作为观测的对象(如：亩产量、推销量等). 控制因素：人为可以控制的因素(如:施肥量、品种、推销策略、价格、包装方式等)，在方差分析中称为控制因素.将控制变量的不同情况称为控制变量的不同水平. 随机因素：人为很难控制的因素(如:气候、推销人员的形象、抽样误差等)，方差分析中主要指抽样误差。 基本概念： 观察变量(Dependent)：作为观测的对象 控制变量(Factor)：人为可以控制的因素 控制水平(Level,Treatment)：控制变量的不同情况 随机变量：人为很难控制的因素 从数据差异角度看: 观测变量的数据差异=控制因素造成+随机因素造成 方差分析认为，如果控制变量的不同水平对观测变量产生了显著影响，那么它和随机变量共同作用必然使得观测变量值显著变动；反之，如果控制变量的不同水平没有对观测变量产生显著影响，那么观测变量值的变动就不明显，其变动可以归结为随机变量影响造成的。 综上所述，方差分析从对观测变量的方差分解入手，通过推断控制变量各水平下各观测变量的均值是否存在显著差异，分析控制变量是否给观测变量带来了显著影响，进而再对控制变量各个水平对观测变量影响的程度进行剖析。 方差分析的类型 单因素方差分析: 只考虑一个控制因素的影响 多因素方差分析: 考虑两个以上的控制因素和它们的交互作用对观测变量的影响 协方差分析： 在尽量排除其他因素的影响下，分析单个或多个控制因素对观测变量的影响.(引入协变量) 方差分析的前提： 观察变量的各个总体服从正态分布； 观察变量的各个总体具有相同方差； 方差齐性(homogeneity variance) 6.2　单因素方差分析 单因素：研究单个因素对观察变量的影响 基本思想： 如果控制变量对观察变量有着显著的影响，则各个总体的分布应该存在显著的差异。 6.2.1　基本思想 方差分解： 总离差平方和(SST) 组间离差平方和(SSA)：由控制变量的不同水平造成的变差 组内离差平方和(SSE)：由抽样误差引起的变差 SST＝SSA＋SSE 方差比较 如果SSA较大，则控制变量有显著影响，反之，主要是随机因素的影响 6.2.3　基本步骤 分析步骤： 提出原假设 　　H0：控制变量不同水平下观测变量各总体的均值无显著差异 选择统计量：F统计量 计算统计量的观察值和概率P-值 给定显著性水平α并作出决策 6.2.4　应用举例 应用（案例6－1）：分别分析广告形式和地区是否对商品销售额产生影响。 SPSS操作步骤： Analyze\Compare means\One-way ANOVA 选择观察变量进入Dependent List； 选择控制变量进入Factor 案例输出与说明 Sum of Square:离差平方和(依次为：SSA、SSE、SST) Mean Square:平均离差平方和(依次为：SSA/(k-1)、SSE/(n-k)) F:F统计量的值 6.2.5　进一步分析 方差齐性检验 方差分析的前提假设：各总体方差齐 多重比较检验 如果控制变量对观察变量存在显著的影响 任两个控制水平的影响比较结果如何？ 各控制变量水平的影响程度？ 不能用t检验完成 先验对比检验 比较各水平间或各相似子集间的差异程度 趋势检验 如果控制水平趋势变化，那么，观察变量是否也有趋势变化？ 6.2.5　进一步分析 进一步分析1：Options按钮的使用 基本统计描述：Descriptive 方差齐性检验：Homogeneity of Variance 均值折线图：Means Plot 6.2.5　进一步分析 进一步分析2：多重比较检验 单因素方差分析判断控制变量对观察变量是否存在显著的影响 进一步问题： 不同水平对观察变量的影响程度？ 不同水平的影响是否有差异？ 分析方法：每一对水平所对应的观察变量总体均值检验 6.2.5　进一步分析 进一步分析2：多重比较检验 常用多重比较检验方法： LSD方法：最小显著性差异法 Tukey方法 S-N-K方法：划分相似性子集的方法。相似性子集中的水平对观察变量的影响程度相似。 SPSS中的操作：Post Hoc按钮 6.2　单因素方差分析 进一步分析3：趋势检验与先验对比检验 趋势检验：观察变量与控制变量是否存在线性（二次、三次等曲线）趋势 凭经验确定各水平均值之间的对比系数,然后判定这两组均值的线性组合是否存在显著差异 两个事先