均值已知检验方差_深剖-方差分析

1.1方差分析的基本问题

1.1.1方差分析内容及其术语

1.检验多个总体均值是否相等

通过分析数据的误差判断各总体均值是否相等

2.研究分类型自变量对数值型因变量的影响

(1)一个或多个分类尺度的自变量：两个或多个(k个) 处理水平或分类

(2)一个间隔或比率尺度的因变量

3.有单因素方差分析和双因素方差分析

(1)单因素方差分析：涉及一个分类的自变量

(2)双因素方差分析：涉及两个分类的自变量

【例1】消费者与产品生产者、销售者或服务提供者之间经常发生纠纷。当发生纠纷后，消费者常常会想消费者协会投诉。为了对几个行业的服务质量进行评价，消费者协会在零售、旅游业、航空公司、家电制造业抽取了不同的企业作为样本。其中所抽取零售业7家、旅游业6家、航空公司5家、家电制造业5家。每个行业中抽取的这些企业，服务对象、服务内容、企业规模等方面基本上相同的。然后统计出最近一年中消费者对总共23家企业投诉的次数，结果如下表：

1.分析四个行业之间的服务质量是否有显著差异，也就是要判断“行业”对“投诉次数”是否有显著影响

2.作出这种判断最终被归结为检验这四个行业被投诉次数的均值是否相等

3.若它们的均值相等，则意味着“行业”对投诉次数是没有影响的，即它们之间的服务质量没有显著差异；若均值不全相等，则意味着“行业”对投诉次数是有影响的，它们之间的服务质量有显著差异。

4.若它们的均值不全相等，则意味着行业对投诉次数是有影响的，它们之间的服务质量应该有显著差异。

1.1.1.1方差分析中的有关术语

1.因素或因子(factor)

所要检验的对象

要分析行业对投诉次数是否有影响，行业是要检验的因素或因子

2.水平或处理(treatment)

因子的不同表现

零售业、旅游业、航空公司、家电制造业就是因子的水平

3.观察值

在每个因素水平下得到的样本数据

每个行业被投诉的次数就是观察值

4.试验

这里只涉及一个因素，因此称为单因素四水平的试验

5.总体

因素的每一个水平可以看作是一个总体

比如零售业、旅游业、航空公司、家电制造业可以看作是四个总体

6.样本数据

被投诉次数可以看作是从这四个总体中抽取的样本数据

【例2】某饮料生产企业研制出一种新型饮料。饮料的颜色共有四种，分别为橘黄色、粉色、绿色和无色透明。这四种饮料的营养含量、味道、价格、包装等可能影响销售量的因素全部相同。现从地理位置相似、经营规模相仿的五家超级市场上收集了前一时期该饮料的销售情况，见表2。试分析饮料的颜色是否对销售量产生影响。

1.1.1.2什么是方差分析？

1.1.2方差分析的基本思想和原理

1.1.2.1图形描述

1.从散点图上可以看出(仍以例1为例)

(1)不同行业被投诉的次数是有明显差异的

(2)同一个行业，不同企业被投诉的次数也明显不同

(3)家电制造被投诉的次数较高，航空公司被投诉的次数较低

2.行业与被投诉次数之间有一定的关系

如果行业与被投诉次数之间没有关系，那么它们被投诉的次数应该差不多相同，在散点图上所呈现的模式也就应该很接近

1.仅从散点图上观察还不能提供充分的证据证明不同行业被投诉的次数之间有显著差异

这种差异也可能是由于抽样的随机性所造成的

2.需要有更准确的方法来检验这种差异是否显著，也就是进行方差分析

之所以叫方差分析，是因为虽然我感兴趣的是均值，但在判断均值之间是否有差异时则需要借助于方差，而且这个名字也表示：它是通过对数据误差来源的分析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

1.1.2.2误差分解

1.比较两类误差，以检验均值是否相等

2.比较的基础是方差比

3.如果系统(处理)误差明显地不同于随机误差，则均值就是不相等的；反之，均值就是相等的

4.误差是由各部分的误差占总误差的比例来测度的

1.1.2.3两类误差

1、随机误差

随机误差因素的同一水平(总体)下，样本各观察值之间的差异。比如，同一行业下不同企业被投诉次数是不同的，这种差异可以看成是随机因素的影响，称为随机误差/组内误差

2、系统误差

指的不同水平(不同总体)下，各观察值之间的差异。比如，不同行业之间的被投诉次数之间的差异，这种差异可能是由于抽样的随机性所造成的，也可能是由于行业本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差/组间误差

1.在方差分析中，数据的误差用平方和(sumofsquares)表示，称为方差

2.组内方差(withingroups)

(1)因素的同一水平(同一个总体)下样本数据的方差

(2)比如，零售业被投诉次数的方差

(3)组内方差只包含随机误差

3.组间方差(betweengroups)

(1)因素的不同水平(不同总体)下各样本之间的方差

(2)比如，四个行业被投诉次数之间的方差

(3)组间方差既包括随机误差，也包括系统误差

在方差分析中，数据的误差是用平方和来表示的。

反应全部数据误差大小的平方和为总平方和，记为SST

反应组内误差大小的平方和称为组内平方和，也称为误差平方和或者残差平方和，记为SSE

反应组间误差大小的平方和称为组间平方和，也称为因素平方和，记为SSA

1.1.2.4误差分析

1.若不同行业对投诉次数没有影响，则组间误差中只包含随机误差，没有系统误差。这时，组间误差与组内误差经过平均后的数值就应该很接近，它们的比值就会接近1

2.若不同行业对投诉次数有影响，在组间误差中除了包含随机误差外，还会包含有系统误差，这时组间误差平均后的数值就会大于组内误差平均后的数值，它们之间的比值就会大于1

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

判断行业对投诉次数是否有显著影响，实际上也就是检验被投诉次数的差异主要是由于什么原因所引起的。如果这种差异主要是系统误差，说明不同行业对投诉次数有显著影响

1.1.3方差分析中的基本假定

1.每个总体都应服从正态分布

(1)对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本

(2)比如，每个行业被投诉的次数必需服从正态分布

2.各个总体的方差必须相同

(1)各组观察数据是从具有相同方差的总体中抽取的

(2)比如，四个行业被投诉次数的方差都相等

3.观察值是独立的

比如，每个行业被投诉的次数与其他行业被投诉的次数独立

在上述假定条件下，判断行业对投诉次数是否有显著影响，实际上也就是检验具有同方差的四个正态总体的均值是否相等

如果四个总体的均值相等，可以期望四个样本的均值也会很接近

(1)四个样本的均值越接近，推断四个总体均值相等的证据也就越充分

(2)样本均值越不同，推断总体均值不同的证据就越充分

1.1.4问题的一般提法