多元方差分析举例

方差分析举例 一、什么是方差分析

例1：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，先从地理位置相似、经营规模相仿的五家超级市场上收集了前一期该种饮料的销售量情况，见表10-1。

表10-1 该饮料在五家超市的销售情况 单位：箱

超市 1 2 3 4 5 合计 无色 26.5 28.7 25.1 29.1 27.2 136.6 粉色 31.2 28.3 30.8 27.9 29.6 147.8 橘黄色 27.9 25.1 28.5 24.2 26.5 132.2 绿色 30.8 29.6 32.4 31.7 32.8 157.3 问饮料的颜色是否对销售量产生影响。

解：从表10－1中看到，20个数据各不相同，其原因可能有两个方面： 一是销售地点不同的影响。

即使是相同颜色的饮料，在不同超市的销售量也是不同的。但是，由于这五个超市地理位置相似、经营规模相仿，因此，可以把不同地点产品销售量的差异看成是随机因素的影响。

二是饮料颜色不同的影响。

即使在同一个超市里，不同颜色的饮料的销售量也是不同

合肥学院

2015－2016第二学期

《多元统计分析》课程论文

论文题目 方差分析

姓 名 郑宁

学 号 1307021001

专 业 数学与应用数学（1）

成 绩

2016.4

方差分析

——以南极的1951-1980的3、6、9、12月的各温度的相关数据为基础，建立方差分析模型进行分析。

摘要：单因素方差分析（ANOVA）是用来研究一个分类型自变量的不同水平对一个数值型因变量的影响。方差分析不仅可以提高检验的效率，而且可以提高检验的可靠性。本论文为了研究南极的1951-1980的3、6、9、12月的各温度有无显著性变化。根据假设检验的原理，运用SAS软件，以南极的3、6、9、12月各温度作为实验因素，建立方差分析模型，最后在给定的显著性水平下，判断出各实验因素之间有无显著性差异，从而得出实验因素之间的方差分析模型，即确定了南极的1951-1980的3、6、9、12月的温度之间有没有显著性变化。

关键词:方差分析模型 SAS软件

一、问题提出与分析

现有南极的1951-1980的3、6

合肥学院

2015－2016第二学期

《多元统计分析》课程论文

论文题目 方差分析

姓 名 郑宁

学 号 1307021001

专 业 数学与应用数学（1）

成 绩

2016.4

方差分析

——以南极的1951-1980的3、6、9、12月的各温度的相关数据为基础，建立方差分析模型进行分析。

摘要：单因素方差分析（ANOVA）是用来研究一个分类型自变量的不同水平对一个数值型因变量的影响。方差分析不仅可以提高检验的效率，而且可以提高检验的可靠性。本论文为了研究南极的1951-1980的3、6、9、12月的各温度有无显著性变化。根据假设检验的原理，运用SAS软件，以南极的3、6、9、12月各温度作为实验因素，建立方差分析模型，最后在给定的显著性水平下，判断出各实验因素之间有无显著性差异，从而得出实验因素之间的方差分析模型，即确定了南极的1951-1980的3、6、9、12月的温度之间有没有显著性变化。

关键词:方差分析模型 SAS软件

一、问题提出与分析

现有南极的1951-1980的3、6

spss操作+详细解释

多元方差分析

1992年美国总统选举的三位候选人为布什、佩罗特、克林顿。从支持三位候选人的选民中分别

分析：该题自变量为三位候选人，因变量为年龄段和受教育程度。从自变量来看要进行方差分析，从因变量来看是二元分析，所以最终确定使用多变量分析

具体操作（spss）

1、 打开spss，录入数据，定义变量和相应的值在此不作详述。结果如图1

spss操作+详细解释

图1 被投票人：1、布什 2、佩罗特 3、克林顿

2、 在spss窗口中选择分析——一般线性模型——多变量，调出多变量分析主界面，将年龄段和受

教育程度移入因变量框中，被投票人移入固定因子框中。如图2

图2 多变量分析主界面

3、 点击选项按钮在输出框中选择方差齐性分析（既包括协方差矩阵等同性分析也包括误差方差齐

性分析），其它使用默认即可，点击继续返回主界面。如图

3

spss操作+详细解释

图3 选项子对话框

4、 点击确定，运行多变量分析过程。

结果解释

1、 协方差矩阵等同性的Box检验结果，如图4

图4 协方差矩阵检验

结果说明：此Box检验的协方差矩阵为三位候选人每个人的支持者的年龄段和受教育程度的协方差矩阵。因为sig>0.05，所以差异不显著，即各个因变量的协方差矩阵在所有三个候选人组

多元方差分析

1992年美国总统选举的三位候选人为布什、佩罗特、克林顿。从支持三位候选人的选民中分别抽取20人，登记他们的年龄段（X1）和受教育程度（X2）资料如下表所示： X1 X2 X1 X2 投票人 投票人 布什 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 投票人 克林顿 1 2 1 3 1 3 3 1 2 2 3 1 4 4 3 3 2 2 3 1 1 1 3 3 3 1 1 1 3 1 1 1 1 0 4 3 2 2 3 1 1 佩罗特 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 投票人 11 2 1 1 1 3 2 1 1 4 3 2 1 2 1 2 3 1 3 4 2 1 2 0 3 1 1 1 3 1 3 1 3 1 1 1 1 1 1 3 1 X1 4 X2 1 X1 3 X2 4 1 2 3 2 12 2 1 4 0 3 13 4 1 2 1 4 14 2 1 4 1 5 15 4 3 2 2 6 16 3 0 3 3 7 17 4 2 3 2 8 18 2 0 3 1 9 19 3

一、单因素方差分析

1．完全窗口介绍

单因素方差分析的完全窗口管理通过Analyze菜单中的Compare Means由One-Way ANOVA菜单项调用。 （1）主对话框

按Analyze → Compared Means → One-Way Anova的顺序单击。就可以打开“单因素方差分析”主对话框，如图1所示。

图1 “单因素方差分析”对话框

（2）因变量框

在主对话框中可以看到因变量框（Dependent List），该框中列出主要分析的所有因变量。要从左源变量框中选取变量进入该框，只需选中所要选取的变量，然后按向右的箭头即可。可以有多个因变量。 （3）因素框

在主对话框中可以看到因素框（Factor），该框中列出了因素。要从左边源变量框中选取变量进入该框，只需选中所要选取的变量，然后按向右的箭头即可。因素同样也是分组变量，必须满足只取有限个水平的条件。 （4）Contrast对话框

在主对话框中单击【Contrast】键，即可打开“Contrast”对话框，如图2所示。在该框中指定一种要用t检验来检验的priori对比，可以进行均值的多项式比较。

图2 多项式比较对话框

该框中各项意义如下： ① Polynomial复选框 选

北京大学医学部

第五章多组数值变量比较王洪源

北京大学医学部

假设检验

两组数值变量比较

正态性、等方差假设

t-检验 正态性假设成立、不等方差 调整的t-检验 正态性、等方差假设不成立 Wilcoxon秩和检验 在正态性、等方差假设成立时t-检验的效 率是好的。

北京大学医学部

假设检验

多组数值变量比较

正态性、等方差假设 方差分析 正态性、等方差假设不成立 Kruskal-Wallis秩和检验

北京大学医学部

为研究铅对儿童神经行为的影 响，研究者在某铅矿区对儿童的血铅水平及 神经行为评价指标手指敲击测验进行了测定， 第一年和第二年儿童的血铅水平均大于等于 40 mg/dl的17名，为暴露组(group=2),第一 年儿童的血铅水平均大于等于40mg/dl、第 二年儿童的血铅水平小于40mg/dl的15名， 为既往暴露组(group=3),第一年和第二年儿 童的血铅水平均小于40mg/dl的15名，为对 照组(group=1),神经行为评价指标为第二年 的手指敲击测验得分。

例9.1

北京大学医学部

表 9.1 某铅矿区儿童不同铅表露水平的手指敲击测验结果 对照组 手指敲击 No 1 2 3 4 16 17 18 19 group 1 1

方差分析

5.1.1评价不同行业的服务质量，消费者协会分别在零售业、旅游业、航空公司、家电制造业抽取了不同的企业作为样本，其中零售业7家，旅游业6家，航空公司5家，家电制造业5家，然后统计出近期消费者对这23家企业的投诉次数，试分析4个行业之间的服务质量是否存在显著差异？（基本数据见5-1.sav，资料来源：赖国毅等编著，SPSS17.0常用功能与应用，电子工业出版社）。

5.1.2.某企业有4条生产线生产同一中型号的产品，对每条生产线观测其一周的日产量，要求判断不同生产线的日产量是否有显著的差异(基本数据见5-2.sav)。

5.2.1.某商家有商品销售的数据资料，分析销售额是否受到促销方式和售后服务的影响。用变量“促销”对促销方式进行区分，取值为0表示无促销，取值为1表示被动促销，取值为2表示主动促销。变量“售后”对所采取的售后服务进行刻画，取值为0表示没有售后服务，取值为l表示有售后服务(基本数据见5-4.sav，资料来源：徐秋艳等，SPSS统计分析方法与应用实验教程，中国水利水电出版社，2011)。

5.3.1. 政府为了帮助年轻人提高工作技能，进行了一系列有针对性的就业能力和工作技能培训项目，为检验培训工作的成效，对1000

方差分析

5.1.1评价不同行业的服务质量，消费者协会分别在零售业、旅游业、航空公司、家电制造业抽取了不同的企业作为样本，其中零售业7家，旅游业6家，航空公司5家，家电制造业5家，然后统计出近期消费者对这23家企业的投诉次数，试分析4个行业之间的服务质量是否存在显著差异？（基本数据见5-1.sav，资料来源：赖国毅等编著，SPSS17.0常用功能与应用，电子工业出版社）。

5.1.2.某企业有4条生产线生产同一中型号的产品，对每条生产线观测其一周的日产量，要求判断不同生产线的日产量是否有显著的差异(基本数据见5-2.sav)。

5.2.1.某商家有商品销售的数据资料，分析销售额是否受到促销方式和售后服务的影响。用变量“促销”对促销方式进行区分，取值为0表示无促销，取值为1表示被动促销，取值为2表示主动促销。变量“售后”对所采取的售后服务进行刻画，取值为0表示没有售后服务，取值为l表示有售后服务(基本数据见5-4.sav，资料来源：徐秋艳等，SPSS统计分析方法与应用实验教程，中国水利水电出版社，2011)。

5.3.1. 政府为了帮助年轻人提高工作技能，进行了一系列有针对性的就业能力和工作技能培训项目，为检验培训工作的成效，对1000

1、方差齐性检验

由于方差分析的前提是各水平下的总体服从正态分布并且方差相等，因此有必要对方差齐性进行检验，即对控制变量不同水平下各观测变量不同总体方差是否相等进行分析。

SPSS单因素方差分析中，方差齐性检验采用了方差同质性（Homogeneity of Variance）的检验方法，其零假设是各水平下观测变量总体方差无显著性差异，实现思路同SPSS两独立样本t检验中的方差齐性检验。

2、多重比较检验

上面的基本分析可以判断控制变量是否对观测变量产生了显著影响。如果控制变量确实对观测变量产生了显著影响，进一步还应确定，控制变量的不同水平对观测变量的影响程度如何，其中哪个水平的作用明显大于其它水平，哪些水平的作用是不显著的。例如已经确定不同施肥量会对农作物的产量产生显著影响，便希望进一步了解究竟是10公斤、20公斤还是30公斤施肥量最有利于提高产量，哪种施肥量对农作物产量没有显著影响。掌握了这些信息，我们就能够制定合理的施肥方案。

多重比较检验就是分别对每个水平下的观测变量均值进行逐对比较，判断两均值之间是否存在显著差异。其零假设是相应组的均值之间无显著差异。