自变量对因变量有显著影响
注意：备择假设并不意味着所有的均值都不相等
2.构造并计算检验统计量
• 均值：各水平的均值、全部观察值的均值 • 组内误差平方和：SSE ( xij xi )2
i 1 j 1
K
k
ni
• 组间误差平方和：SSA ni
I 1
x x
i
• 总误差平方和： SST xij x
差
两个误差的比值
1. 若品牌对空调销售额没有影响，则组间误差中
2. 若品牌对空调销售额有影响，在组间误差中除 3. 当这个比值大到某种程度时，就可以说不同水
平之间存在着显著差异，也就是自变量对因变 量有影响。 了包含随机误差外，还会包含有系统误差，这 时它们之间的比值就会大于1； 只包含随机误差，没有系统误差。这时，组间 误差与组内误差的比值就会接近1；
三、方差分析的基本假定
1.观测值是来自于服从正态分布总体的随 机样本 2.各总体的方差相同。 3.各总体相互独立。

四、方差分析的基本步骤
• 第一步：提出假设 • 第二步：构造检验统计量F • 第三步：查表得Fα，进行统计决策（右侧 检验）
• 若F>F，则拒绝原假设 • 若F<F，则不能拒绝原假设
双因素方差分析：
涉及两个分类型自变量对数值型因变量的影响
【例7-1】某市场调查公司为了研究品牌对空调销售额的影 响，对四个品牌空调的销售情况进行了调查，结果如下表。 试分析品牌对空调的销售额是否有显著影响。
不同品牌空调的销售额数据
品牌
万元 品牌D
288 290 280 270 280 281.6
观测值
3.观测值 每个水平下的样本数据称为观测值。
本例不品牌的销售额就是观测值 。
4.总体 因素的每一个水平可以看做是一个总体。
如品牌A、品牌B等。
5.样本数据 调查得到的数据可以看做从总体中抽取的样本 数据。
本例各品牌的销售额即为样本数据。
• 二、方差分析的基本思想和原理
【例7-1】某市场调查公司为了研究品牌对空调销售额的影 响，对四个品牌空调的销售情况进行了调查，结果如下表。 试分析品牌对空调的销售额是否有显著影响。
第七章 方差分析
主要内容
• • • • 一、方差分析及其有关术语 二、方差分析的基本思想和原理 三、单因素方差分析 四、双因素方差分析
• 第一节 方差分析的一般问题
一、 什么是方差分析
• 通过检验各总体的均值是否相等来判断分类型 自变量对数值型因变量是否有显著的影响。 单因素方差分析：
只涉及一个分类型自变量对数值型因变量的影响
• • • •
要分析品牌对空调的销售额是否有显著差异，可以判断4 种品牌销售额的均值是否相等。 若它们的均值相等，就意味着不同品牌空调销售额无差 异，即“品牌”对“销售额”没有显著影响； 若均值不全相等，则意味着“品牌”对“销售额”有显 著影响。 但是这还不能提供充分的证据，因为平均销售额是根据 随机样本的数值计算的，均值的差异可能是由于抽样随 机性造成的。因此，需要有更准确的方法来检验这种差 异是否是显著，就需要进行方差分析。
关于误差
1. 组内误差（随机误差）

同一水平(总体)下样本各观察值之间的差异 这种差异可以看成是随机因素的影响，称为随机误差
2. 组间误差（随机误差、系统误差）

不同水平(总体)下各观察值之间的差异 这种差异可能是由于抽样的随机性所造成的 —— 随机 误差，也可能是由于品牌本身所造成的，称为系统误
第二节 单因素方差分析
要点： • 一、数据结构 • 二、分析步骤 • 三、关系强度 • 四、Excel的应用
因素(A) i
观察值 (j ) A1 A2 … Ak
1
x11
x21
…
xk1
2
x12
x22
…
xk2
…
…
…
…
…
n
x1n
x2n
…
一、数据结构
观察值 ( j ) 水平A1 水平A2 … 水平Ak
1 2 : :
x11 x12
: :
x21 x22
: :
n
x1n
x2n
… … : : …
xk1 xk2
: :
xkn
二、分析的步骤
1.提出假设 2.构造并计算检验统计量 3.统计决策

1.提出假设
一般提法


H0: m1 = m2 =…= mk
自变量对因变量没有显著影响
H1: m1 ，m2 ，… ，mk不全相等
从上表中可以看出，各品牌的平均销售 额不同，但这还不能提供充分的证据证 明品牌对销售额有显著的影响，因为这 种差异也可能是由于抽样的随机性所造 成的。 在判断均值之间是否有差异时需借助于 反映变异程度的指标 —— 方差，所以叫 方差分析。
这个名字也表示：它是通过对数据误差来源的 分析，来判断不同总体的均值是否相等。因此， 进行方差分析时，需要考察数据误差的来源。
方差分析的有关术语
1.因素或因子 所要检验的对象称为因素或因子。 上例中，要分析品牌对销售额是否有影响，“品牌” 是所要检验的对象——因素或因子。 2.水平或处理 因素的不同表现称为水平或处理。
品牌A 、品牌B 、品牌 C 、品牌D 是“品牌”这一因素的具 体表现，称为水平或处理。本例有四个水平。
不同品牌空调的销售额数据
品牌
万元 品牌D
288 290 280 270 280 281.6
观测值
1 2 3 4 5 6 平均
品牌A
365 340 350 343 323 400 353.5
品牌B
345 330 363 368 340 349.2
品牌C
358 300 323 353 300 326.8
1 2 3 4 5 6 平均
品牌A
365 340 350 343 323 400 353.5
品牌B
345 330 363 368 340 349.2
品牌C
358 300 323 353 300 326.8
• • • •
要分析品牌对空调的销售额是否有显著差异，可以判断4 种品牌销售额的均值是否相等。 若它们的均值相等，就意味着不同品牌空调销售额无差 异，即“品牌”对“销售额”没有显著影响； 若均值不全相等，则意味着“品牌”对“销售额”有显 著影响。 但是这还不能提供充分的证据，因为平均销售额是根据 随机样本的数值计算的，均值的差异可能是由于抽样随 机性造成的。因此，需要有更准确的方法来检验这种差 异是否是显著，就需要进行方差分析。