“三招”搞定方差的大小比较
“三招”搞定方差的大小比较
博瀚教育宝鸡学习中心刘媛
在近几年的中考试题中，经常出现一类比较两组数据方差大小的问题．那么应该怎样比较两组数据的方差大小呢？现归纳总结三种方法，以供参考．
一、公式比较法
先根据方差公式计算两组数据的方差，然后再比较方差的大小，这是比较方差大小的最直接也是最基本的方法．
例110名同学分成甲、乙两队进行篮球比赛，他们身高(单位：cm)如下表所示：
设两队队员身高的平均数依次为，，身高的方差依次为，，则下列关系中完全正确的是()
A．=，＞ B．=，＜
C．＞，＞D．＜，＜
解：=(177+176+175+172+175)=175，
=(170+175+173+174+180)=175，
所以=[(177-175)2+(176-175)2+(175-175)2+(172-175)2+(175-175)2]=2.8，
=[(170-175)2+(175-175)2+(173-175)2+(174-175)2+(183-175)2]=18.8．
显然，=，＜，答案选B．
点评：公式比较法的本质是计算两组数据的方差，由于方差是一组数据中各个数据与这组数据的平均数的差的平方的平均数，所以求一组数据的方差可以简记为：先求平均数，再求差，然后平方，最后求平均数．
二、极差比较法
极差能够反映一组数据的变化范围，是最简单的一种度量数据波动情况的量．一组数据的极差越大，这组数据的波动范围就越大，这组数据就越不稳定．因此我们可以根据两组数据的极差并结合其他统计知识先判断两组数据的波动情况，然后比较方差大小．
例2甲、乙两人5次射击命中的环数如下：
甲7 9 8 6 10
乙7 8 9 8 8
则这两人5次射击命中的环数的平均数==8，方差＿＿．(填“＞”“＜”或“=”)
解：甲组数据的极差是：10-7=3，乙组数据的极差是：9-7=2，且甲组数据中没有相同的数据，乙组数据中有3个相同的数据(都是8)，因此甲组数据波动大，即甲组数据的方差
大，所以＞，故填“＞”．
点评：同学们也可先计算两组数据的方差，然后再比较与的大小，看看结果与“极差比较法”的结果是否一致．另外“极差比较法”也正好体现了“极差”与“方差”这两个统计量的密切联系．
三、折线统计图比较法
由于折线统计图可以反映数据的变化趋势，如果一组数据的变化趋势越小，这组数据就越稳定；反之，如果一组数据的变化趋势越大，这组数据就越不稳定．于是我们可以借助折线统计图来判断两组数据的波动情况，进而比较方差大小．
例3如图是甲、乙两射击运动员的10次射击训练成绩(环数)的折线统计图，观察图形，甲、乙这10次射击成绩的方差，之间的大小关系是＿＿．
解：从折线统计图不难看出，甲运动员的射击训练成绩变化趋势小，乙运动员的射击训练成绩变化趋势大，因此＜．
点评：“折线统计图比较法”适合比较已经给出折线统计图的两组数据的方差．如果需要比较的两组数据没有给出折线统计图，这时宜选用“公式比较法”．如果已经给出折线统计图，那么“折线统计图比较法”就应该成为首先方法，因为运用它比较两组数据的波动情况非常直观．
需要说明的是，以上三种方法体现了极差、方差和折线统计图在刻画一组数据的波动情况时的密切联系，无论运用“公式比较法”或者“极差比较法”还是“折线统计图比较法”，都要注意运用它们的前提条件是只有在两组数据的平均数相等或比较接近的情况下，才能运用上述三种方法．离开了这个前提条件再来比较两组数据的方差就没有意义，甚至会得出错误的结论，这一点请同学们一定要注意呦！
做为练习，请同学们运用以上三种方法解决下面的问题，千万不要偷懒呦！
为了考察甲、乙两种小麦的长势，分别从中抽出 10株苗，测得苗高如下(单位：cm)
甲：12，13，14，15 ，10，16，13，11，15，11
乙：11，16，17，14，13，19，6，8，10，16
设两种小麦苗高的方差依次为，，则，之间的大小关系是＿＿．(填“＞”“＜”或“=”)
参考答案：＜
方差分析习题与答案
统计学方差分析练习题与答案一、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 B 组间误差 C 抽样误差 D 组内误差 2．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．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为（） A r，n B r-n，n-r C r-1.n-r D n-r，r-1 二、多项选择题 1．应用方差分析的前提条件是（） A 各个总体报从正态分布 B 各个总体均值相等 C 各个总体具有相同的方差 D 各个总体均值不等 E 各个总体相互独立 2．若检验统计量F= 近似等于1，说明（） A 组间方差中不包含系统因素的影响 B 组内方差中不包含系统因素的影响 C 组间方差中包含系统因素的影响 D 方差分析中应拒绝原假设 E方差分析中应接受原假设 3．对于单因素方差分析的组内误差，下面哪种说法是对的？（） A 其自由度为r-1 B 反映的是随机因素的影响 C 反映的是随机因素和系统因素的影响 D 组内误差一定小于组间误差 E 其自由度为n-r 4．为研究溶液温度对液体植物的影响，将水温控制在三个水平上，则称这种方差分析是（） A 单因素方差分析 B 双因素方差分析 C 三因素方差分析 D 单因素三水平方差分析 E 双因素三水平方差分析 三、填空题 1．方差分析的目的是检验因变量y与自变量x是否，而实现这个目的的手段是通过
的比较。 2．总变差平方和、组间变差平方和、组内变差平方和三者之间的关系是。3．方差分析中的因变量是，自变量可以是，也可以是。4．方差分析是通过对组间均值变异的分析研究判断多个是否相等的一种统计方法。 5．在试验设计中，把要考虑的那些可以控制的条件称为，把因素变化的多个等级状态称为。 6．在单因子方差分析中，计算F统计量的分子是方差，分母是方差。 7．在单因子方差分析中，分子的自由度是，分母的自由度是。 四、计算题 1．有三台机器生产规格相同的铝合金薄板，为检验三台机器生产薄板的厚度是否相同，随机从每台机器生产的薄板中各抽取了5个样品，测得结果如下： 机器1：0.236,0.238,0.248,0.245,0.243 机器2：0.257,0.253,0.255,0.254,0.261 机器3：0.258,0.264,0.259,0.267,0.262 问：三台机器生产薄板的厚度是否有显著差异？ 2．养鸡场要检验四种饲料配方对小鸡增重是否相同，用每一种饲料分别喂养了6只同一品种同时孵出的小鸡，共饲养了8周，每只鸡增重数据如下：（克） 配方：370，420，450，490，500，450 配方：490，380，400，390，500，410 配方：330，340，400，380，470，360 配方：410，480，400，420，380，410 问：四种不同配方的饲料对小鸡增重是否相同？ 3．今有某种型号的电池三批，它们分别为一厂、二厂、三厂三个工厂所生产的。为评比其质量，各随机抽取5只电池为样品，经试验测得其寿命（小时）如下： 一厂：40，48，38，42，45 二厂：26，34，30，28，32 三厂：39，40，43，50，50 试在显著性水平下检验电池的平均寿命有无显著的差异。 4．一个年级有三个小班，他们进行了一次数学考试。现从各个班级随机抽取了一些学生，记录其成绩如下： 1班：73，89，82，43，80，73，66，60，45，93，36，77 2班：88，78，48，91，51，85，74，56，77，31，78，62，76，96，80 3班：68，79，56，91，71，71，87，41，59，68，53，79，15
方差分析简介
方差分析简介（一） 方差分析是我们从心理统计这门课就提到一个基本的统计方法。但或许很多人到做研究生毕业论文的时候，还没搞清楚到底方差分析是怎么一回事。我们的老师对很多基本的地方也是含糊不清。我就我几年学习和应用的理解，粗略讲一下方差分析是怎么回事。 什么是方差分析？就是对方差的分析。有人说你这不废话么？这还真不是废话。t检验就不是对方差的分析。独立样本t检验是对两个样本均值的差异进行检验，而相关样本t检验是对两个样本差异的均值进行检验。而方差分析就是对引起样本数据出现差异的若干因素影响孰强孰弱的分析。换句话说，当样本数据差异较小的时候，t检验会认为不存在差异，但方差分析可以从这较小的差异中分析出实验处理和随机误差谁对这个差异贡献更大。所以说在控制水平一定的情况下，方差分析更容易得到显著性水平高，但power较低的结果。（因为虽然差异贡献大，但本身差异不大。翻译为人话就是这个研究结果虽然显著但没什么意义。） 既然是对方差的分析，那么研究者对数据就有一定的要求。不是什么样的数据都适合做方差分析。这其中最重要最重要的，违反了就无从可谈的就是至少要等距数据(interval data)。因为至少等距数据才能做参数检验。称名数据(nominal data)和顺序数据(ordinal data)只能做非参数检验。既然要分析方差，就得有均值，有方差。 第二重要的是要正态分布的数据。为什么要强调数据正态分布呢？这要从平均数说起，平均数，从定义上来说，是一组数据中唯一对其离均差之和为0的数值。如果数据呈正态分布，平均数就是一组数据中最具有代表性的那个值。好比说一次考试全班的平均分为81.6分，我们大概可以知道有两个事实：1）多数同学考试分数是七八十分，2）如果你高于82分说明你考的还算不错，低于81分就说明考得不够理想。这个高低差距越大，这个结论的信心就越强。这两个结论是基于考试分数是基本上的正态分布推断出来的。如果不是正态分布怎么样呢？拿工资说话，以我所在的圣安东尼奥市为例，这个城市适合工作年龄的人，大约有55%的“蓝领”，30%的“白领”，14%学生或自由职业者，和1%的绝对高收入者。这个差别有多大呢？“蓝领”的税后工资大约是年收入25,000～45,000，白领大约是50,000～80,000，而超高收入者，例如蒂姆邓肯同学，他的税后收入大约是20,000,000。如果算个平均数，统计局说圣安东尼奥市人民平均收入高达50,000，大家过着幸福美满的生活。那55%的蓝领和14%的学生肯定想抽这个发
用SPSS进行单因素方差分析报告和多重比较
SPSS——单因素方差分析 单因素方差分析 单因素方差分析也称作一维方差分析。它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。One-Way ANOVA过程要求因变量属于正态分布总体。如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。如果几个因变量之间彼此不独立，应该用Repeated Measure 过程。 [例子] 调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表1-1所示。 表1-1 不同水稻品种百丛中稻纵卷叶螟幼虫数
3 40 35 35 38 34 数据保存在“data1.sav”文件中，变量格式如图1-1。 图1-1 分析水稻品种对稻纵卷叶螟幼虫抗虫性是否存在显著性差异。 。 2）启动分析过程 点击主菜单“Analyze”项，在下拉菜单中点击“Compare Means”项，在右拉式菜单中点击“0ne-Way ANOVA”项，系统 打开单因素方差分析设置窗口如图1-2。 图1-2 单因素方差分析窗口
3）设置分析变量 因变量:选择一个或多个因子变量进入“Dependent List”框中。本例选择“幼虫”。 因素变量:选择一个因素变量进入“Factor”框中。本例选择“品种”。 4）设置多项式比较 单击“Contrasts”按钮，将打开如图1-3所示的对话框。该对话框用于设置均值的多项式比较。 图1-3 “Contrasts”对话框 定义多项式的步骤为： 均值的多项式比较是包括两个或更多个均值的比较。例如图1-3中显示的是要求计算“1.1×mean1-1×mean2”的值，检验的假设H0：第一组均值的1.
生物统计学答案 第八章 单因素方差分析
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2月19日3月9 3月28日4月13日 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
SPSS——单因素方差分析详解
SPSS——单因素方差分析 来源：李大伟的日志 单因素方差分析 单因素方差分析也称作一维方差分析。它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。One-Way ANOVA过程要求因变量属于正态分布总体。如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。如果几个因变量之间彼此不独立，应该用Repeated Measure 过程。 [例子] 调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表1-1所示。 表1-1 不同水稻品种百丛中稻纵卷叶螟幼虫数 数据保存在“data1.sav”文件中，变量格式如图1-1。 图1-1 分析水稻品种对稻纵卷叶螟幼虫抗虫性是否存在显著性差异。
1）准备分析数据 在数据编辑窗口中输入数据。建立因变量“幼虫”和因素水平变量“品种”，然后输入对应的数值，如图1-1所示。或者打开已存在的数据文件“data1.sav”。 2）启动分析过程 点击主菜单“Analyze”项，在下拉菜单中点击“Compare Means”项，在右拉式菜单中点击“0ne-Way ANOVA”项，系统 打开单因素方差分析设置窗口如图1-2。 图1-2 单因素方差分析窗口 3）设置分析变量 因变量:选择一个或多个因子变量进入“Dependent List”框中。本例选择“幼虫”。 因素变量:选择一个因素变量进入“Factor”框中。本例选择“品种”。 4）设置多项式比较 单击“Contrasts”按钮，将打开如图1-3所示的对话框。该对话框用于设置均值的多项式比较。
用SPSS进行单因素方差分析和多重比较
方差分析 方差分析可以用来检验来多个均值之间差异的显著性，可以看成是两样本t检验的扩展。统计学原理中涉及的方差分析主要包括单因素方差分析、两因素无交互作用的方差分析和两因素有交互作用的方差分析三种情况。虽然Excel可以进行这三种类型的方差分析，但对数据有一些限制条件，例如不能有缺失值，在两因素方差分析中各个处理要有相等的重复次数等；功能上也有一些不足，例如不能进行多重比较。而在方差分析方面SPSS的功能特别强大，很多输出结果已经超出了统计学原理的范围。 用SPSS检验数据分布的正态性 方差分析需要以下三个假设条件：（1）、在各个总体中因变量都服从正态分布；（2）、在各个总体中因变量的方差都相等；（3）、各个观测值之间是相互独立的。 在SPSS中我们很方便地对前两个条件进行假设检验。同方差性检验一般与方差分析一起进行，这一小节我们只讨论正态性的检验问题。 [例7.4] 检验生兴趣对考试成绩的影响的例子中各组数据的正态性。 在SPSS中输入数据（或打开数据文件），选择Analyze→Descriptive Statistics→Explore，在Explore对话框中将统计成绩作为因变量，兴趣作为分类变量（Fator），单击Plots按钮，选中“Histogram”复选框和“Normality plots with Test”，单击“Continue”按钮，在单击主对话框中的“OK”，可以得到分类别的描述统计信息。从数据的茎叶图、直方图和箱线图都可以对数据分布的正态性做出判断，由于这些内容前面已经做过讲解，这里就不再进一步说明了。 图7-2 用Expore过程进行正态性检验 top↑
方差分析与回归分析习题答案
第九章 方差分析与回归分析习题参考答案 1. 为研究不同品种对某种果树产量的影响，进行试验，得试验结果（产量）如下表，试分析果树品种对产量是否有显著影响. （0.05(2,9) 4.26F =，0.01(2,9) 8.02F =） 解 ： r=3, 12 444n n 321=++=++=n n , T=120 ,120012 1202 2===n T C 计 算 统 计 值 722 8.53, 389 A A A e e SS f F SS f = =≈…… 方差分析表 方差来源 平方和 自由度 均方 F 值 临界值 显著性 品种A 72 2 36 8.53 误差 38 9 4.22 总 计 110 11 结论:由于0.018.53(2,9)8.02, A F F ≈>=故果树品种对产量有特别显著影响. 2. 解 ： 22..4,3,12,180122700 l m n lm C x n ======= 计算 统 计 值 90310.52 51.43,3.56 3.56 A A B B A B e e e e S f S f F F S f S f = =≈==≈ 方差来源 平方和 自由度 F 值 临界值 显著性 品种 试验结果 行和??=i x T i 行均值.i x A 1 10 7 13 10 40 10 A 2 12 13 15 12 52 13 A 3 8 4 7 9 28 7 试验 结果 燃料B B 1 B 2 B 3 推进器 A A 1 14 13 12 39 13 A 2 18 16 14 48 16 A 3 13 12 11 36 12 A 4 20 18 19 57 19 65 59 56 180 16.25 14.75 14 15
方差分析的基本思想
第一节方差分析的基本思想 1、方差分析的意义 前述的t检验和u检验适用于两个样本均数的比较，对于k个样本均数的比较，如果仍用t检验或u检验， 需比较次，如四个样本均数需比较次。假设每次比较所确定的 检验水准=0.05，则每次检验拒绝H0不犯第一类错误的概率为1-0.05=0.95；那么6次检验都不犯第一类错误的概率为(1-0.05)6=0.7351，而犯第一类错误的概率为0.2649，因而t检验和u检验不适用于多个样本均数的比较。用方差分析比较多个样本均数,可有效地控制第一类错误。方差分析(analysis of variance,ANOVA)由英国统计学家R.A.Fisher首先提出，以F命名其统计量，故方差分析又称F检验。 2、方差分析的基本思想 下面通过表5.1资料介绍方差分析的基本思想。 例如，有4组进食高脂饮食的家兔，接受不同处理后，测定其血清肾素血管紧张素转化酶（ACE）浓度（表5.1），试比较四组家兔的血清ACE浓度。 表5.1对照组及各实验组家兔血清ACE浓度（u/ml） (
由表5.1可见，26只家兔的血清ACE浓度各不相同，称为总变异；四组家兔的血清ACE浓度均数也各不相同，称为组间变异；即使同一组内部的家兔血清ACE 浓度相互间也不相同，称为组内变异。该例的总变异包括组间变异和组内变异两部分，或者说可把总变异分解为组间变异和组内变异。组内变异是由于家兔间的个体差异所致。组间变异可能由两种原因所致，一是抽样误差；二是由于各组家兔所接受的处理不同。正如第四章所述，在抽样研究中抽样误差是不可避免的，故导致组间变异的第一种原因肯定存在；第二种原因是否存在，需通过假设检验作出推断。假设检验的方法很多，由于该例为多个样本均数的比较，应选用方差分析。 方差分析的检验假设H0为各样本来自均数相等的总体，H1为各总体均数不等或不全相等。若不拒绝H0时，可认为各样本均数间的差异是由于抽样误差所致，而不是由于处理因素的作用所致。理论上，此时的组间变异与组内变异应相等，两者的比值即统计量F为1；由于存在抽样误差，两者往往不恰好相等，但相差不会太大，统计量F应接近于1。若拒绝H0，接受H1时，可认为各样本均数间的差异，不仅是由抽样误差所致，还有处理因素的作用。此时的组间变异远大于组内变异，两者的比值即统计量F明显大于1。在实际应用中，当统计量F值远大于1且大于某界值时，拒绝H0，接受H1，即意味着各样本均数间的差异，不仅是由抽样误差所致，还有处理因素的作用。 （5.1） 方差分析的基本思想是根据研究目的和设计类型，将总变异中的离均差平方和SS及其自由度分别分解成相应的若干部分，然后求各相应部分的变异；再用各部分的变异与组内（或误差）变异进行比较，得出统计量F值；最后根据F值的大小确定P值，作出统计推断。 例如，完全随机设计的方差分析，是将总变异中的离均差平方和SS及其自由度 分别分解成组间和组内两部分，SS组间/组间和SS组内/组内分别为组间变异（MS组间）和组内变异（MS组内），两者之比即为统计量F（MS组间/MS组内）。 又如，随机区组设计的方差分析，是将总变异中的离均差平方和SS及其自由度 分别分解成处理间、区组间和误差3部分，然后分别求得以上各部分的变异（MS 处理、MS 区组和MS误差），进而得出统计量F值（MS处理/MS误差、MS区组/MS误差）。 3、方差分析的计算方法 下面以完全随机设计资料为例，说明各部分变异的计算方法。将N个受试对象随机分为k组，分别接受不同的处理。归纳整理数据的格式、符号见下表：
方差分析--SPSS应用
实习三方差分析（analysis of variance--- ANOV A ） 一、目的要求 1、掌握方差分析的应用条件 2、掌握方差分析的基本思想 3、掌握方差分析的用途 4、掌握常用方差分析的方法（完全随机设计、随机区组设计方差分析） 5、掌握多个样本均数间的两两比较方法 (a. 两两比较：SNK法（q检验）；b.对照组与各处理组比较：LSD法)。 二、完全随机设计的方差分析（One-Way ANOVA） One-Way ANOVA过程用于进行两组及多组样本均数的比较，即完全随机设计（成组设计）的方差分析，如果做了相应选择，还可进行随后的两两比较。 P432第8题：某职业病防治院对某石棉肺患者、可疑患者及非患者进行了用力肺活量（L）测定，结果如下表所示。问三组石棉矿工的用力肺活量有无差别? 三组石棉矿工的用力肺活量(L) 石棉肺患者可疑患者非患者 1.8 2.3 2.9 1.4 2.1 3.2 1.5 2.1 2.7 2.1 2.1 2.8 1.9 2.6 2.7 1.7 2.5 3 1.8 2.3 3.4 1.9 2.4 3
1.8 2.4 3.4 1.8 3.3 2.0 3.5 建库： 1、点击Variable View: 定义分类变量（组别）和应变量（用力肺活量） 2、点击Data View,输入数据: 3、分析过程
界面说明： 【Dependent List框】（选入应变量） 选入需要分析的变量，可选入多个结果变量（应变量）。 【Factor框】（因素，即选入一个分类变量） 选入需要比较的分组因素，只能选入一个。 【Contrasts钮】(线性组合比较，如检验均数之间差异大小的关系，均数间的线性趋势等) 【Post Hoc钮】(各组均数的多重比较) 弹出Post Hoc Multiple Comparisons（多重比较）对话框，用于选择进行各组间两两比较的方法，有： Equal Variances Assumed复选框组一组当各组方差齐时可用的两两比较方法，共有14中种这里不一一列出了，其中最常用的为LSD和S-N-K法。Equal Variances Not Assumed复选框组一组当各组方差不齐时可用的两两比较方法，共有4种，其中以Games-Howell法较好。 Significance Level框定义两两比较时的显著性水平，默认为0.05。【Options钮】 弹出Options对话框，用于定义相关的选项，有：
方差分析选择题及答案
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. < 单因素方差分析 单因素方差分析也称作一维方差分析。它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。还可以对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异进行分析，即进行均值的多重比较。One-Way ANOVA过程要求因变量属于正态分布总体。如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。如果几个因变量之间彼此不独立，应该用Repeated Measure过程。 [例子] 调查不同水稻品种百丛中稻纵卷叶螟幼虫的数量，数据如表5-1所示。 表5-1 不同水稻品种百丛中稻纵卷叶螟幼虫数 数据保存在“DATA5-1.SAV”文件中，变量格式如图5-1。 图5-1 分析水稻品种对稻纵卷叶螟幼虫抗虫性是否存在显著性差异。 1）准备分析数据 在数据编辑窗口中输入数据。建立因变量“幼虫”和因素水平变量“品种”，然后输入对应的数值，如图5-1所示。或者打开已存在的数据文件“DATA5-1.SAV”。 2）启动分析过程 点击主菜单“Analyze”项，在下拉菜单中点击“Compare Means”项，在右拉式菜单中点击 “0ne-Way ANOVA”项，系统 打开单因素方差分析设置窗口如图5-2。 图5-2 单因素方差分析窗口 3）设置分析变量 因变量:选择一个或多个因子变量进入“Dependent List”框中。本例选择“幼虫”。 因素变量:选择一个因素变量进入“Factor”框中。本例选择“品种”。 4）设置多项式比较 单击“Contrasts”按钮，将打开如图5-3所示的对话框。该对话框用于设置均值的多项式比较。 第九章方差分析 【思考与练习】 一、思考题 1. 方差分析的基本思想及其应用条件是什么？ 2. 在完全随机设计方差分析中SS SS SS 、、各表示什么含义？ 总组间组内 3. 什么是交互效应？请举例说明。 4. 重复测量资料具有何种特点？ 5. 为什么总的方差分析的结果为拒绝原假设时，若想进一步了解两两之间的差别需要进行多重比较？ 二、最佳选择题 1. 方差分析的基本思想为 A. 组间均方大于组内均方 B. 误差均方必然小于组间均方 C. 总变异及其自由度按设计可以分解成几种不同来源 D. 组内方差显著大于组间方差时，该因素对所考察指标的影响显著 E. 组间方差显著大于组内方差时，该因素对所考察指标的影响显著 3. 完全随机设计的方差分析中，下列式子正确的是 4. 总的方差分析结果有P<0.05，则结论应为 A. 各样本均数全相等 B. 各总体均数全相等 C. 各样本均数不全相等 D. 各总体均数全不相等 E. 至少有两个总体均数不等 5. 对有k 个处理组，b 个随机区组的资料进行双因素方差分析，其误差的自由度为 A. kb k b -- B. 1kb k b --- C. 2kb k b --- D. 1kb k b --+ E. 2kb k b --+ 6. 2×2析因设计资料的方差分析中，总变异可分解为 A. MS MS MS =+B A 总 B. MS MS MS =+B 总误差 C. SS SS SS =+B 总误差 D. SS SS SS SS =++B A 总误差 E. SS SS SS SS SS =+++B A AB 总误差 7. 观察6只狗服药后不同时间点(2小时、4小时、8小时和24小时)血药浓度的变化，本试验应选用的统计分析方法是 A. 析因设计的方差分析 单因素方差分析的应用实例 PROC ANOVA [DATA= <数据集名> MANOVA 按多元分析的要求略去有任一缺失值的记录OUTSTAT= <数据集名>] ; 指定统计结果输出的数据集名 CLASS <处理因素名列>; 必需，指定要分析的处理因素 MODEL <应变量名=处理因素名列> / [选项]; 必需，给出分析用的方差分析模型 MEANS <变量名列> / [选项] ; 指定要两两比较的因素及比较方法 BY <变量名列>; FREQ <变量名>; MANOVA H= 效应E= 效应M= 公式...; 指定多元方差分析的选项 例1：研究6种氮肥施用法对小麦的效应，每种施肥法种5盆小麦，完全随机设计。最后测定它们的含氮量（mg），试作方差分析 施氮法 SAS程序 data exam1; input g x @@; cards; 1 12.9 2 14.0 3 12.6 4 10. 5 5 14. 6 6 14.0 1 12.3 2 13.8 3 13.2 4 10.8 5 14. 6 6 13.3 1 12. 2 2 13.8 3 13. 4 4 10.7 5 14.4 6 13.7 1 12.5 2 13.6 3 13. 4 4 10.8 5 14.4 6 13.5 1 12.7 2 13.6 3 13.0 4 10. 5 5 14.4 6 13.7 ; procanova data=exam1; class g; model x=g ; run; data exam2; input x1 g j @@; cards; 60 1 1 62 2 1 61 3 1 60 4 1 65 1 2 65 2 2 68 3 2 65 4 2 63 1 3 61 2 3 61 3 3 60 4 3 64 1 4 67 2 4 63 3 4 61 4 4 62 1 5 65 2 5 62 3 5 64 4 5 61 1 6 62 2 6 62 3 6 65 4 6 ; procanova data=exam2; class g j; model x1=g j; run; 例2：对某地区农村的6名2周岁男婴的身高、胸围、上半臂围进行测量，得样本数据如下表。根据以往资料，该地区城市2周岁男婴的这三个指标的均值 现欲在多元正态性假定下检验该地区农村2周岁男婴是否与城市2周岁男婴有相同的均值。取 data exam4_2_1; input id x1 x2 x3; cards; 1 78 60.6 16.5 方差分析简介 1. 引言 方差分析（analysis of variance，简称ANOV A）是一种假设检验方法，即基本思想可概述为：把全部数据的总方差分解成几部分，每一部分表示某一影响因素或各影响因素之间的交互作用所产生的效应，将各部分方差与随机误差的方差相比较,依据F分布作出统计推断，从而确定各因素或交互作用的效应是否显著。因为分析是通过计算方差的估计值进行的，所以称为方差分析。 方差分析的主要目标是检验均值间的差别是否在统计意义上显著。如果只比较两个均值，事实上方差分析的结果和t检验完全相同。只所以很多情况下采用方差分析，是因为它具有如下两个优点：（1）方差分析可以在一次分析中同时考察多个因素的显著性，比t检验所需的观测值少；（2）方差分析可以考察多个因素的交互作用。 方差分析的缺点是条件有些苛刻，需要满足如下条件：（1）各样本是相互独立的；（2）各样本数据来自正态总体（正态性：normality）；（3）各处理组总体方差相等（方差齐性：homogeneity of variance）。因此在作方差分析之前，要作正态性检验和方差齐性检验，如不满足上述要求，可考虑作变量变换。常用的变量变换方法有平方根变换，平方根反正弦变换、对数变换及倒数变换等。 方差分析在医药、制造业、农业等领域有重要应用，多用于试验优化和效果分析中。 2. 单因素方差分析 2.1 基本概念 （1）试验指标：在一项试验中，用来衡量试验效果的特征量称为试验指标，有时简称指标，也称试验结果，通常用y表示。它类似于数学中的因变量或目标函数。试验指标用数量表示称为定量指标，如速度、温度、压力、重量、尺寸、寿命、硬度、强度、产量和成本等。不能直接用数量表示的指标称为定性指标。如颜色，人的性别等。定性指标也可以转化为定量指标，方法是用不同的数表示不同的指标值。（2）试验因素：试验中，凡对试验指标可能产生影响的原因都称为因素(factor)，也称因子或元，类似于数学中的自变量。需要在试验中考察研究的因素，称为试验因素，有时也称为因素，通常用大写字母A、B、C、……表示。在试验中，有些因素能严格控制，称为可控因素；有些因素难以控制，称为不可控因素。试验因素是试验中的已知条件，能严格控制，所以是可控因素。通常把未被选作试验因素的可控因素和不可控因素都称为条件因素，统称为试验条件。 （3）因素水平：因素在试验中所处的各种状态或所取的不同值，称为该因素的水平(level)，也简称为水平或位级，通常用下标1、2、3、……表示。若一个因素取K种状态或K个值，就称该因素为K水平因素。因素的水平，有的可以取得具体值，如6Kg、10cm；有的只能取大致范围或某个模糊概念，如软、硬、大、小、好、较好等；但 2014-2015学年第一学期 统计质量管理课程论文 题目：双因素方差分析在手机生产质量管理中的应用 姓名：姚方来 学号： 6 专业：统计学 授课教师：王巍 完成时间： 2014年12月24日 一、前言 1.1研究的背景 产品质量是商家与厂家均关心的事情，但是影响质量的因素很多，比如工人工作的时间、工人的年龄等等。本文主要对双因素方差分析的模型进行简单的介绍，并运用方差分析的方法结合例题，分析产品质量影响因素作用的大小。同时不同年龄段的工人对手机生产的质量有不同的影响，所以不同年龄段的工人是影响手机值量的一个重要因素。同时对于工人规定不同的工作时间也会影响手机的质量。在实际问题的研究中，有时需要考虑两个因素对实验结果的影响，考虑不同的工人和不同的工作时间对生产手机质量的影响。采用双因子方差分析方法。 关键词：双因素方差分析合格手机量 SPSS软件 1.2研究的目的意义 品牌延伸作为品牌战略的一种，已经越来越被我国企业所运用着，但通过这种战略出现的延伸产品具有两面性，延伸产品若得到消费者的认可，则能使企业受益，若得不到消费者的认可，则可能产生“株连效应”，危害其它延伸产品， 甚至是核心产品，这让企业认识到如果一味地运用实践去总结经验教训，必然会付出惨痛的代价，因而，如何对影响这些延伸产品购买意愿的因素进行研究就显得很有意义，这样也能使企业认识到消费者是如何评价企业的品牌延伸战略，从而更好的改进企业管理决策。 1.3研究方法与操作软件 采取的分析方法：有重复双因子方差分析，无重复双因素方差分析。分析过程应用了Excel 2003 软件和 SPSS 统计学软件。 二、双因素方差分析有两种类型。 一个是无交互作用的双因素方差分析，它假定因素A和因素B的效应之间是相互独立的，不存在相互关系；另一个是有交互作用的双因素方差分析，它假定因素A和因素B的结合会产生出一种新的效应。例如，若假定不同人群的消费者对某种品牌有特殊的偏爱与不同的广告费用对手机购买量有不同的影响，这就是两个因素结合后产生的新效应，属于有交互作用的背景；否则，就是无交互作用的背景。无交互作用的双因素方差分析。无交互作用的双因素方差分析是假定因素A和因素B的效应之间是相互独立的；有交互作用的双因素方差分析是假定因素A 和因素B的结合会产生出一种新的效应。例如，若假定不同地区的消费者对某种颜色有与其他地区消费者不同的特殊偏爱，这就是两个因素结合后产生的新的效应 方差分析要求数据满足一下假定：①观测是独立的；②观测为正态总体的样本，如果存在组间差异，则对每组可以有不同的正态分布；③各组的方差相等（方差齐性）。 2.1两因子概念和假定 如果在试验中有两个可控制因子，同时发生变化，而其它可控制因子均保持不变，这样的试验称为双因子试验。双因子试验方差分析的作用是同时鉴别两个因子对结果可能产生的影响。例如有4个品牌的彩电在5个地区销售，为分析彩电的品牌（品牌因素）和销售地区（地区因素）对销售量的影响，取得以下每个品牌在各地区的销售量数据，试分析品牌和地区对彩电的销售量是否有显著性影响。本文采用是两因子方差分析统计分析方法,这种分析方法可以用来分析两个 方差分析中均值比较的方法 最近看文献时，多数实验结果用到方差分析，但选的方法不同，主要有LSD，SNK-q,TukeyHSD法等，从百度广库里找了一篇文章，大概介绍这几种方法，具体公式不列了，软件都可以计算。这几种方法主要用于方差分析后，对均数间进行两两比较。 均数间的两两比较根据研究设计的不同分为两种类型：一种常见于探索性研究，在研究设计阶段并不明确哪些组别之间的对比是更为关注的，也不明确哪些组别问的关系已有定论、无需再探究，经方差分析结果提示“ 概括而言各组均数不相同”后，对每一对样本均数都进行比较，从中寻找有统计学意义的差异：另一种是在设计阶段根据研究目的或专业知识所决定的某些均数问的比较．常见于证实性研究中多个处理组与对照组、施加处理后的不同时间点与处理前比较。最初的设计方案不同．对应选择的检验方法也不同．下面分述两种不同设计均数两两比较的方法选择。 1. 事先计划好的某对或某几对均数间的比较：适用于证实性研究。在设计时就设定了要比较的组别，其他组别间不必作比较。常用的方法有：Dunnett-t 检验、LSD-t 检验(Fisher ’s least significant dif ference t test) 。这两种方法不管方差分析的结果如何——即便对于P稍大于检验水平α进行所关心组别间的比较。 1.1 LSD-t检验即最小显著法，是Fisher于1935年提出的，多用于检验某一对或某几对在专业上有特殊探索价值的均数间的两两比较,并且在多组均数的方差分析没有推翻无效假设H0时也可以应用。该方法实质上就是t检验，检验 水准无需作任何修正,只是在标准误的计算上充分利用了样本信息，为所有的均数统一估计出一个更为稳健的标准误，因此它一般用于事先就已经明确所要实施对比的具体组别的多重比较。由于该方法本质思想与t 检验相同，所以只适用于两个相互独立的样本均数的比较。LSD法单次比较的检验水准仍为α ，因此可以认为该方法是最为灵敏的两两比较方法.另一方面,由于LSD法侧重于减少第Ⅱ类错误，势必导致此法在突出组间差异的同时,有增大I类错误的倾向。 1.2 Dunnett-t（新复极差法）检验，Duncan 1955年在Newman及Keuls的复极差法(muhiple range method)基础上提出，该方法与Tukey法相类似。适用于n-1个试验组与一个对照组均数差别的多重比较，多用于证实性研究。Dunnett-t统计量的计算公式与LSD-t检验完全相同。 实验组和对照组的样本均数和样本含量。需特别指出的是Dunnett—t检验有专门的界值表，不同于t检验的界值表。 一般认为，比较组数k≥3时，任何两个样本的平均数比较会牵连到其它平均数的对比关系，而使比较数再也不是两个相互独立的样本均数的比较．这是LSD-t无法克服的缺点。Dunnett—t针对这一问题提出．在同一显著水平上两个均数的最小显著差数随着这二个平均数在多个平均数中所占的极差大小而不同，根据不同平均数间的对比关系来调整相应的显著差别(critical range)的大小。 2. 多个均数的两两事后比较：适用于探索性研究，即各处理组两两问的对比关系都要回答，一般要将各组均数进行两两组合，分进行检验。常用的方法有：SNK-q(Student-Newman-Keuls q)法、Duncan法、Tukey法和Scheffe法。值得注意 方差分析是用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。方差分析的基本思想是：通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。 方差分析主要用途：①均数差别的显著性检验，②分离各有关因素并估计其对总变异的作用，③分析因素间的交互作用，④方差齐性检验。 在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。通常是比较不同实验条件下样本均值间的差异。例如医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响；不同化学药剂对作物害虫的杀虫效果等，都可以使用方差分析方法去解决。 方差分析原理 方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个： (1) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示，记作SS w，组内自由度df w。 (2) 实验条件，实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和表示，记作SS b，组间自由度df b。 总偏差平方和 SS t = SS b + SS w。 组内SS t、组间SS w除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MS w和MS b，一种情况是处理没有作用，即各组样本均来自同一总体，MS b/MS w≈1。另一种情况是处理确实有作用，组间均方是由于误差与不同处理共同导致的结果，即各样本来自不同总体。那么，MS b>>MS w(远远大于)。 MS b/MS w比值构成F分布。用F值与其临界值比较，推断各样本是否来自相同的总体。 方差分析的假设检验 利用SPSS做方差分析教程 在分享了SPSS安装包后，除了问我SPSS怎么安装的外，还有人问怎么做方差分析的。其实大家如果林业应用统计理论部分还记得的话，是可以用Excel来做方差分析的，不过稍显繁琐一点。当然，既然部分人已经装好了SPSS，而且SPSS做方差分析有具有很大的方便性，今天我就分享一下如何利用SPSS做方差分析。 方差分析可分为单变量单因素、单变量多因素和多变量多因素方差分析三种，单变量单因素在林业应用统计书中第228页有详细介绍，相对简单，在这里不做重复，需要的同学可自行查阅。不过，操作方法都大同小异，只在输入数据和选项上有所不同。 在这里不对方差分析的理论部分进行介绍，一句话来说，方差分析是用来比较不同处理之间是否存在显著性差异的。在我看来，大家的试验类型还是以单变量多因素为主的，如果分不清变量与因素，可以再去看书，也不再展开了。 下面我以书中第172页例三为例，做单变量多因素的方差分析。 为了从三个水平的氮肥和三个水平的磷肥中选择最有利树苗生长的最佳水平组合，设计了两因素试验，每个水平组合重复4次，结果如下表，试进行方差分析。 磷肥氮肥 B1 B2 B3 A1 51 59 33 35 21 22 35 34 16 32 36 21 A2 57 69 60 50 53 48 43 46 18 32 28 24 A3 58 45 63 69 65 48 57 54 40 43 36 29 表1 氮肥和磷肥树苗生长的生物量 可以看出大多数我们所进行的试验都可以归类于这种试验类型，特别是组培、嫁接、生根、或者不同处理之间测各种指标的试验，以下就在SPSS中输入数据。 ．在方差分析中，（）反映地是样本数据与其组平均值地差异 总离差组间误差 抽样误差组内误差 ．是（） 组内平方和组间平方和 总离差平方和因素地离差平方和 ．是（） 组内平方和组间平方和 总离差平方和总方差 ．单因素方差分析中，计算统计量，其分子与分母地自由度各为（） ，， ， 二、多项选择题 ．应用方差分析地前提条件是（） 各个总体报从正态分布各个总体均值相等各个总体具有相同地方差 各个总体均值不等各个总体相互独立 ．若检验统计量近似等于，说明（） 组间方差中不包含系统因素地影响组内方差中不包含系统因素地影响 组间方差中包含系统因素地影响方差分析中应拒绝原假设 方差分析中应接受原假设 ．对于单因素方差分析地组内误差，下面哪种说法是对地？（） 其自由度为反映地是随机因素地影响 反映地是随机因素和系统因素地影响组内误差一定小于组间误差 其自由度为 ．为研究溶液温度对液体植物地影响，将水温控制在三个水平上，则称这种方差分析是（） 单因素方差分析双因素方差分析三因素方差分析 单因素三水平方差分析双因素三水平方差分析 三、填空题 ．方差分析地目地是检验因变量与自变量是否，而实现这个目地地手段是通过地比较. ．总变差平方和、组间变差平方和、组内变差平方和三者之间地关系是. ．方差分析中地因变量是，自变量可以是，也可以是.个人收集整理勿做商业用途 ．方差分析是通过对组间均值变异地分析研究判断多个是否相等地一种统计方法. ．在试验设计中，把要考虑地那些可以控制地条件称为，把因素变化地多个等级状态称为.个人收集整理勿做商业用途 ．在单因子方差分析中，计算统计量地分子是方差，分母是方差. ．在单因子方差分析中，分子地自由度是，分母地自由度是. 四、计算题 ．有三台机器生产规格相同地铝合金薄板，为检验三台机器生产薄板地厚度是否相同，随机从每台机器生产地薄板中各抽取了个样品，测得结果如下：个人收集整理勿做商业用途机器： 机器：单因素方差分析与多重比较
第9章方差分析思考与练习-带答案
单因素方差分析的应用实例
方差分析简介复习课程
方差分析在质量管理中应用
方差分析两两比较
4方差分析
利用SPSS做方差分析报告教程
方差分析习题与答案