第10章 方差分析
i第八章单因素方差分析 (1)
幻灯片1 【例】调查了5个不同小麦品系的株高，结果如下。试判断这5个品系的株高是否存在显著性差异。 5个小麦品系株高(cm)调查结果 株号品系 ⅠⅡⅢⅣⅤ 1 2 3 4 5 和平均数64.6 65.3 64.8 66.0 65.8 326.5 65.3 64.5 65.3 64.6 63.7 63.9 322.0 64.4 67.8 66.3 67.1 66.8 68.5 336.5 67.3 71.8 72.1 70.0 69.1 71.0 354.0 70.8 69.2 68.2 69.8 68.3 67.5 343.0 68.6 幻灯片2 第八章单因素方差分析 One-factor analysis of variance 幻灯片3 本章内容 第一节方差分析简述 第二节固定效应模型 第三节随机效应模型 第四节多重比较 第五节方差分析应具备的条件 幻灯片4 第一节方差分析简述 一、方差分析的一般概念 1、概念 方差分析（ analysis of variance，ANOVA）：是同时判断多组数据平均数之间差异显著性的统计假设检验，是两组数据平均数差异显著性t 检验的延伸。 幻灯片5 单因素方差分析（一种方式分组的方差分析）：研究对象只包含一个因素(factor)的方差分析。 单因素实验：实验只涉及一个因素，该因素有a个水平(处理)，每个水平有n次实验重复，这样的实验称为单因素实验。 水平(level)：每个因素不同的处理(treatment)。 幻灯片6 方差分析 Analysis of Variance （ANOVA ) ANOV A 由英国统计学家，用于推断多个总体均数有无差异。
第10章单因素方差分析
第10章 单因素方差分析 单因素方差分析(0ne-Way ANOV A)，又称一维方差分析，它能够对单因素多个独立样本 的均数进行比较，可以用10种检验方法对变量间的均数进行两两比较(即多重比较检验)并给出方差分析表，还可以作出5种类型图形(Type of plots)和2种均数图形(Means plot options) 10.1 单因素方差分析的计量资料 [例10—1] 某社区随机抽取了30名糖尿病患者、IGT 异常人和正常人进行载脂蛋白 (mg ／dL)测定，结果示于表10—1。试问3组人群的载脂蛋白测定结果含量是否相同？(倪宗瓒．卫生统计学．第4版，北京：人民卫生出版社，2001.50) 组别（B ） 载脂蛋白测定 糖尿病(1) 85.7 105.2 109.5 96.0 115.2 95.3 110.0 100.0 125.6 111.0 106.5 96.0 124.5 105.1 76.4 95.3 110.0 95.2 99.0 120.0 144.0 117.0 110.0 109.0 103.0 123.0 127.0 121.0 159.0 115.0 IGT 异常(2) 正常人(3) 本例是一个完全随机设计的单因素方差分析。已建立SAS 数据集文件并保存Sasuser.onewav4。 (1)进入SAS ／Win(v8)系统，单击Solutions －Analysis －Analyst ，得到分析家窗口。 (2)单击File-open By SAS Name —Sasuser-0neway4—0K ，调入数据文件。 (3)在“分析家”窗口单击Statistics-ANOV A-One way ANOV A ，得到图10—1所示对话框。本例因变量(Dependent)为A(载脂蛋白)，单击A —Dependent 。自变量(1ndependent)： B(3种人的组别)，单击B —Independent 。 图10.1 0ne —way ANOV A ：0neway4(单因素方差分析)对话框 (4)单击Tests 按钮，得到图10—2所示对话框。在此对话框的ANOV A(F —检验)选项 中可进行如下设置。 Analysis of variance ，方差分析。 Welch ’s variance-weighted ANOV A ，威尔奇方差—权重方差分析。 Tests for equal variance ，相等方差检验，即方差齐性检验。 Barlett ’s test ，巴特尼特检验。 Brown-Forsythe test ，布朗—福塞斯检验。 Levene ’s test ，列文检验。本例以上都选。
第10章 方差分析与试验设计
第10章 方差分析与试验设计 三、选择题 1.方差分析的主要目的是判断 （ ）。 Ａ. 各总体是否存在方差 Ｂ. 各样本数据之间是否有显著差异 Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。 Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。 Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。 Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。 Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于0 8.在方差分析中，所提出的原假设是210:μμ=H = ···=k μ，备择假设是（ ） Ａ. ≠≠H 211:μμ···k μ≠ Ｂ. >>H 211:μμ···k μ> Ｃ. < 第十章习题 10.1 H0:三个总体均值之间没有显著差异。 H1: 三个总体均值之间有显著差异。 答：方差分析可以看到，由于P=0.1078>0.01,所以接受原假设H0。说明了三个总体均值之间没有显著差异。 10.2 H0:五个个总体均值之间相等。 H1: 五个总体均值之间不相等。 答：方差分析可以看到，由于P=1.02E-05<0.01,所以拒接原假设H0。说明了五个总体均值之间不相等。 10.3 H0:四台机器的装填量相等。 H1: 四台机器的装填量不相等 答：方差分析可以看到，由于P=0.00068<0.01,所以拒接原假设H0。说明了四台机器装填 10.4 H0:不同层次管理者的满意度没有差异。 H1: 不同层次管理者的满意度有差异. 答：方差分析可以看到，由于P=0.000849<0.05,所以拒接原假设H0。说明了不同层次管理者的满意度有差异。 10.5 H0：3个企业生产的电池平均寿命之间没有显著差异。 H1: 3个企业生产的电池平均寿命之间有显著差异 单因素方差分析 平方和df 均方 F 显著性组间615.600 2 307.800 17.068 .000 组内216.400 12 18.033 总数832.000 14 答：方差分析可以看到，由于P=0.00031<0.01,所以拒接原假设H0。说明了不同3个企业生产的电池平均寿命之间有显著差异。 通过SPSS分析（1,2,3代表A,B,C公司），通过显著性对比可知道A和B以及B和C 公司有差异。 10.6 H0：不同培训方式对产品组装的时间没有显著影响。 H1: 不同培训方式对产品组装的时间没有显著影响。 答：方差分析可以看到，由于P=0.00196<0.05,所以拒接原假设H0。说明了不同培训方式对产品组装的时间没有显著影响。 10.8 197 第十章 协方差分析 第一节 协方差分析的意义 协方差分析有二个意义，一是对试验进行统计控制，二是对协方差组分进行估计，现分述如下。 一、对试验进行统计控制 为了提高试验的精确性和准确性，对处理以外的一切条件都需要采取有效措施严加控制，使它们在各处理间尽量一致，这叫试验控制。但在有些情况下，即使作出很大努力也难以使试验控制达到预期目的。例如：研究几种配合饲料对猪的增重效果，希望试验仔猪的初始重相同，因为仔猪的初始重不同，将影响到猪的增重。经研究发现：增重与初始重之间存在线性回归关系。但是，在实际试验中很难满足试验仔猪初始重相同这一要求。这时可利用仔猪的初始重(记为x )与其增重(记为y )的回归关系，将仔猪增重都矫正为初始重相同时的增重，于是初始重不同对仔猪增重的影响就消除了。由于矫正后的增重是应用统计方法将初始重控制一致而得到的，故叫统计控制。统计控制是试验控制的一种辅助手段。经过这种矫正，试验误差将减小，对试验处理效应估计更为准确。若y 的变异主要由x 的不同造成(处理没有显著效应)，则各矫正后的y '间将没有显著差异(但原y 间的差异可能是显著的)。若y 的变异除掉x 不同的影响外，尚存在不同处理的显著效应，则可期望各y '间将有显著差异(但原y 间差异可能是不显著的)。此外，矫正后的y '和原y 的大小次序也常不一致。所以，处理平均数的回归矫正和矫正平均数的显著性检验，能够提高试验的准确性和精确性，从而更真实地反映试验实际。这种将回归分析与方差分析结合在一起，对试验数据进行分析的方法，叫做协方差分析(analysis of covariance )。 二、估计协方差组分 在第八章曾介绍过表示两个相关变量线性相关性质与程度的相关系数的计算公式： ∑∑∑----= 2 2)()())((y y x x y y x x r 若将公式右端的分子分母同除以自由度(n -1)，得 ? ? ? ? ? ?--????? ?-----= ∑∑∑)1()() 1()()1/())((2 2 n y y n x x n y y x x r （10-1） 其中 1 )(2--∑n x x 是x 的均方MS x ，它是x 的方差2x σ的无偏估计量； 第十章 方差分析 一、单项选择题： 1.在方差分析中，（ ）反映的是样本数据与其组平均值的差异。 A.总离差平方和 B.组间离差平方和 C.抽样误差 D.组内离差平方和 2.∑∑=??? ? ??k 1i 2 1-j ij n i i x x ——是（ ） 。 A.组内平方和 B.组间平方和 C.总离差平方和 D.因素B 的离差平方和 3.∑∑=??? ? ??k 1i 2 1-j ij n i i x x ——是（ ） 。 A.组内平方和 B.组间平方和 C.总离差平方和 D.总方差 4.单因素方差分析中，计算F 统计量，其分子与分母的自由度各位（ ）。 A.k ，n B.k ，n-k C.k-1，n-k D.n-k ，k-1 5.方差分析基本原理是（ ）首先提出的。 A.费雪 B.皮尔逊 C.泰勒 D.凯特勒 6.组间离差平方和反映的是（ ）。 A.抽样误差 B.系统误差 C.随机误差 D.总误差 7.组内离差平方和反映的是（ ）。 A.抽样误差 B.系统误差 C.随机误差 D.总误差 8.单因素方差分析的对立和假设是（ ）。 A.μμμk 21=== B.差距不显著，，，μμμk 21 C.不是全部相等，，，μμμk 21 D.全部不相等，，，μμμk 21 9.单因素方差分析的零假设是（ ）。 A.μμμk 21=== B.差距不显著，，，μμμk 21 C.不是全部相等，，，μμμk 21 D.全部不相等，，，μμμk 21 10.在方差分析中，若F k -n 1,-k 05.0F ） （>，则统计推论是（ ）。 第10章 方差分析与试验设计 三、选择题 1. Ｃ 2. Ｂ 3. Ａ 4. Ｂ 5. Ｃ 1.方差分析的主要目的是判断 （ ）。 Ａ. 各总体是否存在方差 Ｂ. 各样本数据之间是否有显著差异 Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。 Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。 Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。 Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 6. Ａ 7. Ｄ 8. Ｄ 9. Ａ 10.Ａ 6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。 Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于0 8.在方差分析中，所提出的原假设是210:μμ=H = ···=k μ，备择假设是（ ） Ａ. ≠≠H 211:μμ···k μ≠ Ｂ. >>H 211:μμ· ··k μ> Ｃ. < 第10章方差分析与试验设计 三、选择题 1.Ｃ 2.Ｂ 3.Ａ 4.Ｂ 5.Ｃ 1.方差分析的主要目的是判断（）。 Ａ.各总体是否存在方差 Ｂ.各样本数据之间是否有显著差异 Ｃ.分类型自变量对数值型因变量的影响是否显著 Ｄ.分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是（）。 Ａ.组间平方和除以组内平方和Ｂ.组间均方除以组内均方 Ｃ.组间平方除以总平方和Ｄ.组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为（）。 Ａ.随机误差Ｂ.非随机误差Ｃ.系统误差Ｄ.非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为（）。 Ａ.组内误差Ｂ.组间误差Ｃ.组内平方Ｄ.组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它（）。 Ａ.只包括随机误差 Ｂ.只包括系统误差 Ｃ.既包括随机误差，也包括系统误差 Ｄ.有时包括随机误差，有时包括系统误差 6.Ａ 7.Ｄ8.Ｄ9.Ａ10.Ａ 6.组内误差是衡量某一水平下样本数据之间的误差，它（）。 Ａ.只包括随机误差 Ｂ.只包括系统误差 Ｃ.既包括随机误差，也包括系统误差 Ｄ.有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定（）。 Ａ.每个总体都服从正态分布Ｂ.各总体的方差相等 Ｃ.观测值是独立的Ｄ.各总体的方差等于0 8.在方差分析中，所提出的原假设是0:=···= ，备择假设是（） 12 k Ａ.1:12···kＢ.1:12···k Ｃ. 1:···kＤ.1:1,2,···,k不全相等 12 9.单因素方差分析是指只涉及（）。 Ａ.一个分类型自变量Ｂ.一个数值型自变量 Ｃ.两个分类型自变量Ｄ.两个数值型因变量 10.双因素方差分析涉及（）。 Ａ.两个分类型自变量Ｂ.两个数值型自变量 Ｃ.两个分类型因变量Ｄ.两个数值型因变量 11.Ｂ12.Ｃ 第10章方差分析 适用：多个均值是否相等的检验(分类数据与数值型数据) 10.1 方差分析引论 例消费者与产品生产者、销售者或服务的提供者之间经常发生纠纷。当纠纷发生后，消费者通常会向消费者协会投诉。为了对几个行业的服务质量进行评价，消费者协会在零售业、旅游业、航空公司、家电制造业分别抽取了一些企业作为样本。其中零售业7家、旅游业6家、航空公司5家、家电制造业5家。每个行业所抽取的这些企业，假定他们在服务对象、服务内容、企业规模等方面基本相同。然后统计最近一年中消费者对这23家企业的投诉次数，结果如下表： 消费者协会想了解这几个行业之间的服务质量是否有显著性差异。 10.1.1 分析 服务质量 显著性差异 ↓ ↓ 投诉次数 均值不相等 转化为数学表达： 01234:H μμμμ=== 没有显著性差异 1:H 上面的等式不全相等 有显著性差异 一般假设检验的解决方法： 121314232434 ,,,,,μμμμμμμμμμμμ====== 更好的方法：方差分析 没有显著性差异?不同的行业服务质量一样，行业对服务质量没有显著影响 有显著性差异 不同的行业服务质量不一样，行业对服务质量有显著影响 从行业对服务质量影响的角度来分析平均服务质量的差异问题 术语: 因素：一个独立的随机变量，是方差分析研究的对象————企业所属行业类型 水平：因素的内容————各个行业: 零售业、旅游业、航空公司、家电制造 10.1.3 方差分析的原理： 1 观察值之间差异的原因 A 由于选取样本的随机性引起的差异 B 由于因素中的不同水平形成的差异——系统性差异(行业不同,服务质量不同) 2 水平内部与水平之间差异的类型 A 水平内部的差异只包含随机性差异 (同行业企业服务质量的差异) B 水平之间的差异既包含随机性差异又包含系统性差异 第十章 协方差平稳向量过程和向量自回归模型 在时间序列理论当中，涉及到向量时间序列的主要有两部分内容，一部分是多元动态系统，另一部分是向量自回归模型的估计和检验。在本章当中，我们主要讨论一些基本概念。 §10.1 向量自回归导论 仍然利用小写字母表示随机变量或者实现，只是现在讨论1?n 向量之间的动态交互作用。假设一个p 阶向量自回归模型可以表示为)(p VAR ： t p t p 2t 21t 1t εY ΦY ΦY Φc Y +++++=--- (10.1) 其中p 1ΦΦ ,是n n ?阶系数矩阵，t ε是白噪声向量，满足： ? ? ?≠=Ω=t s t s E ,0,)(t s εε 其中Ω是n n ?阶正定矩阵。 可以利用分量形式将上述方程组的第一个方程表示为： t p t n p n p t p p t p t n n t t t n n t t t y y y y y y y y y c y 1,)(1,2)(12,1)(112,) 2(12,2)2(122,1)2(111 ,) 1(11,2)1(121,1)1(1111εφφφφφφφφφ++++++++++++++=--------- (10.2) 由此可见，在)(p VAR 模型当中，每个变量都表示成为常数项和其他所有变量的p 阶自回归的形式。此时与一元情形的一个显著的不同是，每个方程的残差项之间可能是相关的。 利用滞后算子形式，可以将)(p VAR 模型表示成为： t t p 21εc ΦΦΦ+=----y L L L I p n ][2 (10.3) 其中滞后算子多项式的元素可以表示成为： p p ij ij ij ij ij L L L L )(2)2()1()(φφφδ----= Φ 其中j i ij ==,1δ，j i ij ≠=,0δ 定义10.1 如果一个向量过程的一阶矩和二阶矩与时间无关，则称其是协方差平稳过程。此时下述变量与初始时间t 无关： )(t E y 和)(j t t E -'y y 命题10.1 如果一个向量过程满足)(p VAR 模型，且该过程是向量协方差平稳过程，则该过程的性质有： (1) 该过程的均值向量可以表示成为： c ΦΦΦI μp 211][-----= n (10.4) (2) )(p VAR 模型可以表示成为中心化形式： 12()()()()t t t t p t ----=-+-++-+12p y μΦy μΦy μΦy με (10.5) §10.2 向量自回归方程的表示和平稳性条件 与将高阶线性差分方程表示为一阶差分方程一样，我们也可以将一个普通的VAR (p )模型表示成为VAR (1) 的形式。为此，我们定义更高阶的向量为： 1(,,,)np ?'=t t-1t-p+1ξy -μy -μy -μ )0,,0,(1'=? t np V ε 方差分析 方差分析(analysis of variance ), 简称ANOV A，由英国统计学家，后人为纪念Fisher ，以F命名方差分析的统计量，故方差分析又称F 检验。 样本均数的差异，可能有两种原因所致。首先可能由随机误差所致随机误差包括两种成分：个体间的变异和测量误差两部分；其次可能是由于各组所接受的处理不同，不同的处理引起不同的作用和效果，导致各处理组之间均数不同。一般来说，个体之间各不相同，是繁杂的生物界的特点；测量误差也是不可避免的，因此第一种原因肯定存在。而第二种原因是否存在，这正是假设检验要回答的问题。 方差分析的基本思想是将所有观察值之间的变异（称总变异）按设计和需要分解成几部分。如完全随机设计资料的方差分析，将总变异分解为处理间变异和组内变异两部分，后者常称为误差。将各部分变异除以误差部分，得到统计量F值，并根据F值确定P值作推断。 由于方差分析是根据实验设计将总变异分成若干部分，因此设计时考虑的因素越多，变异划分的越精细，各部分变异的涵义越清晰明确，结论的解释也越容易，同时由于变异划分的精细，误差部分减小，提高了检验的灵敏度和结论的准确性。 方差分析可用于： （1）两个或多个样本均数间的比较 （2）分析两个或多个因素的交互作用 1 （3）回归方程的假设检验 （4）方差齐性检验 多个样本均数间比较的方差分析应用条件为： （1）各样本必须是相互独立的随机样本（独立性） （2）各样本均来自正态总体（正态性） （3）相互比较的各样本的总体方差相等（方差齐性） 一、完全随机设计的方差分析 医学实验中，根据某一实验因素，用随机的方法，将受试对象分配到各组，各组分别接受不同的处理后，观察各种处理的效果，比较各组均数之间有无差别。临床研究中，还可能遇到：比较几种不同疗法治疗某种疾病后某指标的变化，以评价它们的疗效；或比较某种疾病不同类型之间某一指标有无差别等。这些都是一个因素不同水平（或状态）间几个样本均数的比较，可用单因素的方差分析（one-way ANOV A）来处理此类资料。 第八章单因素方差分析 8.1黄花蒿中所含的青蒿素是当前抗疟首选药物，研究不同播期对黄花蒿种子产量的影响，试验采用完全随机化设计，得到以下结果(kg/小区)[47]： 重复 播种期 2月19日3月9 日 3月28日4月13日 1 0.26 0.14 0.1 2 0.03 2 0.49 0.24 0.11 0.02 3 0.36 0.21 0.15 0.04 对上述结果做方差分析。 答：所用程序及结果如下： options linesize=76 nodate; data mugwort; do date=1 to 4; do repetit=1 to 3; input yield @@; output; end; end; cards; 0.26 0.49 0.36 0.14 0.24 0.21 0.12 0.11 0.15 0.03 0.02 0.04 ; run; proc anova; class date; model yield=date; means date/duncan; run; One-Way ANOVA Analysis of Variance Procedure Class Level Information Class Levels Values DATE 4 1 2 3 4 Number of observations in data set = 12 One-Way ANOVA Analysis of Variance Procedure Dependent Variable: YIELD Sum of Mean Source DF Squares Square F Value Pr > F Model 3 0.18515833 0.06171944 14.99 0.0012 Error 8 0.03293333 0.00411667 Corrected Total 11 0.21809167 郑州轻工业学院数学与信息科学系 第十章：方差分析 概率统计教研组 方差分析是英国大统计学家费歇尔（R.A.Fisher）在20世纪20年代创立的．起初用于农田间试验结果的分析，随后迅速发展完善，被广泛应用于在工、农业生产，经济、管理领域，工程技术和科学研究中． 方差分析与回归分析方法有许多相似之处，但又有本质区别，回归分析研究两个或多个数值型变量之间的关系，而方差分析是研究分类变量对数值型变量的影响，从形式上看，方差分析是比较多个总体均值是否相等，但本质上它所研究的是变量之间的关系. 本章学习单因素方差分析和双因素方差分析的基本理论和方法. ●【营销策略问题】 某苹果汁厂家开发了一种新产品——浓缩苹果汁，一包该果汁与水混合可产生1升的普通苹果汁．该产品有三点特性可以吸引消费者的注意： 1.它比目前市场销售的罐装苹果汁方便． 2.由于市场上的罐装苹果汁事实上也是通过浓缩果汁制 造而成，因此新产品的质量至少不会差于罐装果汁． 3.新产品的生产成本要略低于罐装苹果汁． 营销经理需要决定的是如何宣传这种新产品，她可以通过强调产品的便利性、高品质或价格优势的广告来推销，还可以使用两种媒体中的一种来刊登广告：电视和报 ●【营销策略问题】 为了决定采用何种广告战略，她分别在6个小城市开展试验． 在城市1，营销的重点是宣传浓缩果汁的便利性（例如很方便地就可以从商店搬回家，占用更少的冰箱空间等），广告采用电视形式； 在城市2，营销的重点依然是便利性，但广告采用报纸形式； 在城市3，营销的重点是大力宣传产品的质量（画面上“普通的”购买者正在讨论果汁的口味如何纯正），广告采用电视形式； 第10章单因素方差分析 单因素方差分析(0ne-Way ANOV A)，又称一维方差分析，它能够对单因素多个独立样本的均数进行比较，可以用10种检验方法对变量间的均数进行两两比较(即多重比较检验)并给出方差分析表，还可以作出5种类型图形(Type of plots)和2种均数图形(Means plot options) 10.1 单因素方差分析的计量资料 [例10—1] 某社区随机抽取了30名糖尿病患者、IGT异常人和正常人进行载脂蛋白(mg／dL)测定，结果示于表10—1。试问3组人群的载脂蛋白测定结果含量是否相同？(倪宗瓒．卫生统计学．第4版，北京：人民卫生出版社，2001.50) 本例是一个完全随机设计的单因素方差分析。已建立SAS数据集文件并保存Sasuser.onewav4。 (1)进入SAS／Win(v8)系统，单击Solutions－Analysis－Analyst，得到分析家窗口。 (2)单击File-open By SAS Name—Sasuser-0neway4—0K，调入数据文件。 (3)在“分析家”窗口单击Statistics-ANOV A-One way ANOV A，得到图10—1所示对话框。本例因变量(Dependent)为A(载脂蛋白)，单击A—Dependent。自变量(1ndependent)：B(3种人的组别)，单击B—Independent 。 图10.1 0ne—way ANOV A：0neway4(单因素方差分析)对话框 (4)单击Tests按钮，得到图10—2所示对话框。在此对话框的ANOV A(F—检验)选项中可进行如下设置。 Analysis of variance，方差分析。 Welch’s variance-weighted ANOV A，威尔奇方差—权重方差分析。 Tests for equal variance，相等方差检验，即方差齐性检验。 Barlett’s test，巴特尼特检验。 Brown-Forsythe test，布朗—福塞斯检验。 Levene’s test，列文检验。本例以上都选。统计学(贾俊平版)第十章答案解析
第十章 协差分析
统计学第十章(方差分析)
第10章__方差分析与试验设计
第10章__方差分析与试验设计
统计学第10章方差分析教材
时间序列分析讲义第10章协方差平稳向量过程
第8讲单因素方差分析与多重比较
生物统计学(第3版)杜荣骞 课后习题答案 第八章 单因素方差分析
第10章 方差分析
第10章单因素方差分析