一、方差分析问题的提出
问题:消费者与供应厂商间经常出现纠纷。纠纷发生后,消费者经常会向消费者协会投诉。消协对以下几个行业分别抽取几家企业,统计最近一年中投诉次数,以确定这几个行业的服务质量是否有显著的差异。结果如下表:
二、概念:方差分析简称ANOV(Analysis of Variance)
该统计分析方法
能一次性地检验多个总体均值是否存在显著差异。
H0:
H1:
不全等。
(一)因素。
因素又称
因子,是在实验中或在抽样时发生变化的“量”,通常用A、B、C、…表示。
方差分析的目的就是分析因子对实验或抽样的结果有无显著影响。如果在实验中变化的因素只有一个,这时的方差分析称为
单因素方差分析;在实验中变化的因素不只一个时,就称
多因素方差分析。双因素方差分析是多因素方差分析的最简单情形。
(二)水平。
因子在实验中的不同状态称作水平。如果因子A有r个不同状态,就称它有 r 个水平,可用表示。我们都针对因素的不同水平或水平的组合,进行实验或抽取样本,以便了解因子的影响。
(三)交互影响。
当方差分析的影响因子不唯一时,必要注意这些因子间的相互影响。如果因子间存在相互影响,我们称之为“交互影响”;如果因子间是相互独立的,则称为无交互影响。交互影响有时也称为交互作用,是对实验结果产生作用的一个新因素,分析过程中,有必要将它的影响作用也单独分离开来。
三、方差分析的原理
(一)方差的分解。
样本数据波动就有二个来源:一个是
随机波动,一个是
因子影响。样本数据的波动,可通过离差平方和来反映,这个离差平方和可分解为组间方差与组内方差两部分。
组间方差反映出不同的因子对样本波动的影响;
组内方差则是不考虑组间方差的纯随机影响。
离差平方和的分解是我们进入方差分析的“切入点”,这种方差的构成形式为我们分析现象变化提供了重要的信息。
如果组间方差明显高于组内方差,说明样本数据波动的主要来源是组间方差,因子是引起波动的主要原因,可以认为因子对实验的结果存在显著的影响;反之,
如果波动的主要部分来自组内方差,则因子的影响就不明显,没有充足理由认为因子对实验或抽样结果有显著作用。
(二)均方差与自由度
因素或因素间“交互作用”对观测结果的影响是否显著,关键要看组间方差与组内方差的比较结果。当然,产生方差的独立变量的个数对方差大小也有影响,独立变量个数越多,方差就有可能越大;独立变量个数越少,方差就有可能越小。为了消除独立变量个数对方差大小的影响,我们用方差除以独立变量个数,得到“均方差(Mean Square)”,作为不同来源方差比较的基础。引起方差的独立变量的个数,称作“自由度”。
检验因子影响是否显著的统计量是一个F统计量:
F统计量越大,越说明组间方差是主要方差来源,因子影响越显著;
F越小,越说明随机方差是主要的方差来源,因子的影响越不显著。