统计|(可/无)重复双因素方差分析一般步骤及分析表

本博文源于《商务统计》中的方差分析，旨在解决讲述一般的双因素方差分析。双因素方差分析是建立在单因素方差分析的基础上。
统计|如何简单理解单因素方差分析

双因素方差分析简要介绍

双因素方差分析目的：分析两个因素对实验结果的影响。
双因素方差分析种类：如果两个因素对实验结果的影响是相互独立的，分别判断单独因素对实验数据的影响，这时叫做无重复双因素方差分析。 如果有联系，那么叫做可重复双因素方差分析。

双因素方差分析基本假定

• 每个总体都服从正态分布：对于因素的每一个水平，其观察值是来自正态分布总体的简单随机样本。
• 各个总体的方差必须相同：对于各组观察数据，是从具有相同方差的总体中抽取的。
• 观察值是独立的

双因素方差分析的数据结构

无重复双因素方差分析的一般步骤

提出假设

对行因素提出的假设：
$$\begin{gathered} H_0:{\mu }_1={\mu }_2=...={\mu }_i=....={\mu }_k({\mu }_i为第i个水平的均值) \\ H1:{\mu }_i(i=1,2,....,k)不全相等 \end{gathered}$$
对列因素提出的假设：
$$\begin{gathered} H_0:{\mu }_1={\mu }_2=...={\mu }_j=....={\mu }_r({\mu }_j为第j个水平的均值) \\ H1:{\mu }_j(j=1,2,....,r)不全相等 \end{gathered}$$

计算平方和(SS)

跟单因素方差分析类似，也是需要计算一大堆的平方和：
$$\begin{gathered} 总误差平方和SST=\sum _{i=1}^k\sum _{j=1}^r(x_{ij}-\overline{\stackrel{ˉ}{x}}{)}^2 \\ 行因素误差平方和SSR=\sum _{i=1}^k\sum _{j=1}^r(x_{i\cdot }-\overline{\stackrel{ˉ}{x}}{)}^2 \\ 列因素误差平方和SSC=\sum _{i=1}^k\sum _{j=1}^r(x_{\cdot j}-\overline{\stackrel{ˉ}{x}}{)}^2 \\ 随机误差项平方和SSE=\sum _{i=1}^k\sum _{j=1}^r(x_{ij}-\overline{x_{i\cdot }}-\overline{x_{\cdot j}}+\overline{\stackrel{ˉ}{x}}{)}^2 \end{gathered}$$
这里与单因素方差分析一样有一条关系：SST=SSR+SSC+SSE

计算均方(MS)

误差平方和除以相应的自由度
三个平方和的自由度分别是：
$$\begin{gathered} 总误差平方和的SST的自由度为kr-1 \\ 行因素平方和的SST的自由度为k-1 \\ 列因素平方和的SST的自由度为r-1 \\ 误差项平方和的SST的自由度为(k-1)\times (r-1) \end{gathered}$$
行因素的均方，记为MSR，计算公式为：

$$MSR=\frac{SSR}{k-1}$$
列因素的均方，记为MSC，计算公式为：

$$MSC=\frac{SSC}{r-1}$$
误差项的均方，记为MSE，计算公式为：

$$MSE=\frac{SSE}{(k-1)(r-1)}$$

计算检验统计量

检验行因素的统计量
$$F_R=\frac{MSR}{MSE}\sim F(k-1,(k-1)(r-1))$$
检验列因素的统计量
$$F_C=\frac{MSC}{MSE}\sim F(r-1,(k-1)(r-1))$$

双因素方差分析表

统计决策

将统计量的值F与给定的显著性水平$\alpha$的临界值$F_{\alpha }$进行比较，作出对原假设H_0的决策

• 根据给定的显著性水平$\alpha$在F分布表中查找相应的临界值$F_{\alpha }$
• 若$F_R>F_{\alpha }$,拒绝原假设$H_0$，表明均值之间的差异是显著的，即所检验的行因素对观察值有显著影响。
• 若$F_C>F_{\alpha }$，拒绝原假设$H_0$,表明均值之间有显著差异，即所检验的列因素对观察值有显著影响.

可重复双因素方差分析的一般步骤

平方和的计算

$$\begin{gathered} x_{ijl}为对应于行因素的第i个水平和列因素的第j个水平的 \\ 第l行的观察值 \\ \overline{x_{i\cdot }}为行因素的第i个水平的样本均值 \\ \overline{x_{\cdot j}}为列因素的第j个水平的样本均值 \\ \overline{x_{ij}}对应行因素的第i个水平和列因素的第j个水平的 \\ 组合的样本均值 \\ \overline{\stackrel{ˉ}{x}}为全部n个观察值的总均值 \end{gathered}$$

$$\begin{gathered} 总平方和SST=\sum _{i=1}^k\sum _{j=1}^r\sum _{l=1}^m(x_{ijl}-\overline{\stackrel{ˉ}{x}}{)}^2 \\ 行变量平方和SSR=rm\sum _{i=1}^k({\bar{x}}_{i\cdot }-\overline{\stackrel{ˉ}{x}}{)}^2 \\ 列变量平方和SSC=km\sum _{j=1}^r({\bar{x}}_{\cdot j}-\overline{\stackrel{ˉ}{x}}{)}^2 \\ 交互用平方和:SSRC=m\sum _{i=1}^k\sum _{j=1}^r({\bar{x}}_{ij}-{\bar{x}}_{i\cdot }-{\bar{x}}_{\cdot j}+\overline{\stackrel{ˉ}{x}}{)}^2 \\ 误差项平方和SSE=SST-SSR-SSC-SSRC \end{gathered}$$
这里与单因素方差分析一样有一条关系：SST=SSR+SSC+SSE+SSRC

可重复双因素方差分析表

一样的可以看临界值F和F理论值大小，也可以看P值

例子：品牌与地区是否影响彩电销售（单因素）

提出假设

• 对品牌因素提出的假设为
  $$\begin{gathered} H_0:{\mu }_1={\mu }_2={\mu }_3={\mu }_4(品牌对销售量无显著影响) \\ {H}_1:{\mu }_i(i=1,2,...,4)不全相等(有显著影响) \end{gathered}$$
• 对地区因素提出的假设为

$$\begin{gathered} H_0:{\mu }_1={\mu }_2={\mu }_3={\mu }_4={\mu }_5(地区对销售量无显著影响) \\ {H}_1:{\mu }_j(j=1,2,...,5)不全相等(有显著影响) \end{gathered}$$

检验统计量

通过相应的统计软件进行绘制输出，

• 先比较$F与Fcrit$的值大小
• 或者比较P-value跟0.05对比

统计决策

9.46E-05小于0.05说明可以拒绝原假设，即品牌跟销量有显著性差异，0.14367>0.05，不拒绝原假设，即地区对销量没有显著性差异。数学结论如下：
$$\begin{gathered} F_R=18.10777>F_{\alpha }=3.4903,拒绝原假设H_0,说明彩电的品牌对销售量有显著影响。 \\ {F}_C=2.100846<F_{\alpha }=3.2592,不拒绝原假设H_0,无证据表明销售地区对彩电的销售量有显著影响 \end{gathered}$$