Microsoft Word - 94_4_stat_handout_07變異數分析.doc

Size: px

Start display at page:

Download "Microsoft Word - 94_4_stat_handout_07變異數分析.doc"

争泗顾
7 years ago
Views:

1 7 第七章變異數分析 006 年 8 月日最後修改 7.1 變異數分析概論 7. 單因子變異數分析 7.3 雙因子變異數分析 7.4 有交互影響之變異數分析 7.1 變異數分析概論變異數分析 (Analysis Of Variance,ANOVA) 一種假設檢定的特殊型態 ANOVA 的基本想法是將總變異數分成兩部分 ; 與虛無假設有關的可解釋變異以及與虛無假設無關的不可解釋變異, 一般若虛無假設為真, 則可解釋變異應為零對兩組變異數的檢定, 我們有 F 分配可以用 ( 可解釋變異在分子不可解釋變異在分母 ), 更進一步來說,ANOVA 一律是右尾檢定 ( 為什麼?) 範例 7.1 ( 變異數分析的各種變異數 ) 前一章的假設檢定無法處理這種虛無假設 : H μ μ μ, k 3 0 : 1 = = = k 令觀察值為 x ij, i= 1,, nj, j = 1,, k, 其中, 一共有 k 組觀察值, 而 n j 為第 j 組的觀察值數目以下是所有觀察值的均差平方和 ( xij μ) = ( xij μj + μj μ) ij ij ( μ j μ) ( xij μj) j i j i = + ( μ μ) ( x μ ) = n + j j ij j j j i 006 陳欣得統計學變異數分析第 7-1 頁

2 即總均差平方和 = 組間均差平方和 + 組內均差平方和 SST = SSB + SSW 其中, μ 為總平均數, μ 為第 j 組的平均數在虛無假設成立的狀況下, 組間均差平方和應為零, SSB = 0 幾個均差平方和的中英文名詞如下 j 總均差平方和 (total sum of square,sst) 組間均差平方和 (sum of square between groups,ssb) 組內均差平方和 (sum of square within groups,ssw) 由於均差平方和與變異數之間只差變異數需除樣本數 ( 嚴格來說是自由度, n 1), 為方便起見, 我們常稱之為總變異組間變異與組內變異, 即總變異 = 組間變異 + 組內變異另外, 組間變異與虛無假設有關, 又稱為處置變異 (sum of square of treatment,sstr) 或可解釋變異 ; 相對地, 組內變異又稱為誤差變異 (sum of square of error,sse) 隨機變異或不可解釋變異典型的變異數分析的檢定統計量為 ( 1) ( ) 可解釋變異數 SSTR k MSTR F = = = 不可解釋變異數 SSE N k MSE 其中, N = n1+ n + + nk, 而 MSTR 稱為處置均方和 (mean sum of square of treatment),mse 稱為誤差均方和 (mean sum of square of error) 變異數分析就是假設檢定, 其虛無假設一律為 H μ μ μ, k 3 0 : 1 = = = k 其檢定統計量一律為 ( 1) ( ) SSTR k MSTR F = = SSE N k MSE, 自由度 df ( k 1, N k ) =, 右尾檢定 006 陳欣得統計學變異數分析第 7- 頁

3 我們真正要作的是計算樣本的 MSTR 與 MSE, 也就是計算樣本檢定統計量值因為這兩個數值的計算過程比一般假設檢定繁複, 我們用變異數分析表 (ANOVA table) 來整合計算過程範例 7. ( 變異數分析表 ) 以下是變異數分析表 : Source of Variation Sum of Squares Degree of Freedom Mean Square F Treatments SSTR k-1 MSTR = SSTR / k-1 F = MSTR / MSE Error SSE N-k MSE = SSE / N-k Total SST N-1 變異來源平方和自由度均方和 F 組間變異 SSTR k-1 MSTR = SSTR / k-1 F = MSTR / MSE 組內變異 SSE N-k MSE = SSE / N-k 總變異 SST N-1 請注意表內各項數值間的關係一般只要知道其中四項, 其他各項就可以用相互間的關係推算出來範例 7.3 ( 變異數分析表 ) 就以下變異數分析表, 請推求出表中其他數值 : 變異來源平方和自由度均方和 F 處置變異組內變異總變異解 SSE = SST SSTR = = 9.55 ( ) ( ) N k = N 1 k 1 = 13 = 11 SSTR MSTR = = =.08 k 1 MSE SSE 9.55 = = = 0.87 N k 11 MSTR.08 F = = = MSE 0.87 完整的變異數分析表如下 006 陳欣得統計學變異數分析第 7-3 頁

4 變異來源平方和自由度均方和 F 處置變異組內變異總變異就可解釋變異有不同的定義, 變異數分析分成三類 : (1) 單因子變異數分析 (one-way ANOVA) () 雙因子變異數分析 (two-way ANOVA) (3) 有交互影響之變異數分析 (two-way ANOVA with interaction) 或稱為因子實驗 (Factorial Experiment) 變異數分析的假設 (1) 各組母體均為常態分配 () 各組母體的標準差相等 (3) 各組母體互相獨立 7. 單因子變異數分析單因子變異數分析只從總變異中抽取出一組可解釋變異 : ( xij x) = ( xij xj + xj x) ij ij ( x j x) ( xij xj) j i j i = + ( ) ( ) = n x x + x x j j ij j j j i 總變異 = 組間變異 + 組內變異 SST = SSTR + SSE 其中 006 陳欣得統計學變異數分析第 7-4 頁

5 ( ) ij ( Σx ) ij ij ij ij SST = x x =Σx nx =Σx ( ) ( ) 1 1 SSTR = x x = n x x = n x + n x + + n x Nx SSE = SST SSTR j j j k k j i j N 也就是說, 我們可以用下列公式計算 SST 與 SSTR; ( ΣA ) ( ΣA ) ( ΣA ) ( ΣT) 1 k SSTR = n n n N 1 ( Σ ) SST =Σx N SSE = SST SSTR T k 其中 Σ A j Σ T 為第 j 因子 ( 行 ) 觀察值之和為全部觀察值之和 Σ x 為全部觀察值之平方和母體標準差的估計 ANOVA 假設各組母體標準差皆相等, 令其為 σ σ 的最佳估計量為 MSE 檢定兩組平均數是否相等虛無假設 H0 : μ1 = μ 檢定統計量 t = x x 1 ( ) MSE n n 1, 自由度 df = N k 檢定任兩組平均數是否相等以信賴區間法來作檢定 μ 的信賴區間為 j 006 陳欣得統計學變異數分析第 7-5 頁

6 { μ,, } a df = n k a df = n k CI = x t MSEn x+ t MSEn μ j j j j j j 範例 7.4 ( 單因子 ANOVA) 給定資料 : A B C 將資料作以下整理 : A B C 合計 ΣA n A (ΣA)²/n A x² A B C 合計合計整理成變異數分析表如下 : 變異來源平方和自由度均方和 F 處置變異組內變異總變異其中 006 陳欣得統計學變異數分析第 7-6 頁

7 k = 3, n = 5, n = 4, n =5, N = n + n + n = 14 A B C A B C ( 14) SSTR = 1,14.45 = ( 14) SST = 1,15 = SSE = SST SSTR = = 9.55 假設檢定 : (1) H : 0 μa = μb = μc ( 右尾檢定 ) () 檢定統計量 MSTR MSE,11 的 F 分配 F = 為自由度 ( ) (3) 右尾檢定, 自由度 (,11 ) 的 F 分配, 0.05 MSTR MSE (4) 樣本檢定統計量 F = = 5.43 R (5) 拒絕虛無假設, 三組的平均數不完全相等 α =, 拒絕區域 R= { F > 3.983} 成對檢定 : (1) H : 0 μa = μb ( 雙尾檢定 ) xa xb () 檢定統計量 t = MSE ( n n ) A B 為自由度 11 的 t 分配 (3) 雙尾檢定自由度 11 的 t 分配 0.05 R= t <.01, t > xa xb 5 4 (4) 樣本檢定統計量 t = = = R MSE α =, 拒絕區域 { } ( ) ( 5 4) n n (5) 拒絕虛無假設,A B 兩組的平均數不相等 A B 成對檢定 ( 信賴區間法 ): CI μ CI μ CI μ A B C 55 { } { μ A } = ± = 35 { } { 7.75 μb 9.775} = ± = 34 { } { μc 7.717} = ± = 因 CI μ A CIμ =, 故可推論在 α = 0.05 下會拒絕 H : 0 μa = μb 同理, 虛無假設 B H : 0 μa = μc與 H : 0 μb = μc 也都不會成立 006 陳欣得統計學變異數分析第 7-7 頁

8 7.3 雙因子變異數分析原始資料有兩種分組方法 : 處置變異 (Treatments Variation,SSTR): 主要分組 ( 共分 k 組 ) 集區變異 (Block Variables,SSBK): 次要分組 ( 共分 b 組 ) 將單因子變異數分析中的隨機變異分離出集群 ( 列 ) 因子的影響 ( 變異 ): 總變異 = 處置變異 + ( 隨機變異 ) = 處置變異 + 集區變異 + 隨機變異 SST = SSTR + SSBK + SSE 計算公式如下 : ( ΣA ) ( ΣA ) ( ΣA ) ( ΣT) 1 k SSTR = b b b N ( ΣB ) ( ΣB ) ( ΣB ) ( ΣT) 1 b SSBK = k k k N ( Σ ) SST =Σx N SSE = SST SSTR SSBK T 其中 Σ A j Σ B i Σ T 為第 j 行觀察值之和為第 i 列觀察值之和為全部觀察值之和 Σ x 為全部觀察值之平方和有兩組檢定 : F F TR BK ( k 1) ( 1)( 1) MSTR SSTR = = MSE SSE k b ( b 1) ( 1)( 1) MSBK SSBK = = MSE SSE k b : 檢測主要分組 ( 處置 ) 平均數是否完全相等 : 檢測次要分組 ( 集區 ) 平均數是否完全相等變異數分析表如下 : 006 陳欣得統計學變異數分析第 7-8 頁

9 Source of Variation Sum of Squares Degree of Freedom Mean Square F Treatments SSTR k-1 MSTR = SSTR / k-1 F TR = MSTR / MSE Blocks SSBK b-1 MSBK = SSBK / b-1 F BK = MSBK / MSE Error SSE (k-1)(b-1) MSE = SSE / (k-1)(b-1) Total SST N-1 變異來源平方和自由度均方和 F 處置變異 SSTR k-1 MSTR = SSTR / k-1 F TR = MSTR / MSE 集區變異 SSBK b-1 MSBK = SSBK / b-1 F BK = MSBK / MSE 組內變異 SSE (k-1)(b-1) MSE = SSE / (k-1)(b-1) 總變異 SST N-1 範例 7.5 ( 雙因子 ANOVA) 給定資料 : A1 A A B B B B B 將資料作以下整理 : A1 A A ΣB n B (ΣB)²/k B B B B B ΣA n A (ΣA)²/b x² A1 A A 合計 B B B B B 合計陳欣得統計學變異數分析第 7-9 頁

10 整理成變異數分析表如下 : 變異來源平方和自由度均方和 F 處置變異處置變異組內變異總變異其中 k = 3, b= 5, N = kb= 15 ( 153) SSTR = 1,564. = ( 153) SSBK = 1,59.3 = ( 153) SST = 1,633 = SSE = SST SSTR SSBK = 假設檢定 : (1) H : 0 μa = μb = μc ( 右尾檢定 ) () 檢定統計量 MSTR MSE 為自由度 (, ) (,8) (3) 右尾檢定, 自由度 (,8) 的 F 分配, 0.05 (4) 樣本檢定統計量 = R MSTR MSE df df = 的 F 分配 (5) 無法拒絕虛無假設, 各處置分組的平均數相等 TR E α =, 拒絕區域 R= { F > } (1) H0 : μb 1 μb μb3 μb4 μb5 = = = = ( 右尾檢定 ) () 檢定統計量 MSBK MSE 為自由度 (, ) ( 4,8) (3) 右尾檢定, 自由度 (4,8) 的 F 分配, 0.05 (4) 樣本檢定統計量 = 1.71 R MSBK MSE df df = 的 F 分配 BK E α =, 拒絕區域 R= { F > } (5) 無法拒絕虛無假設, 各集區間的平均數相等 7.4 有交互影響之變異數分析雙因子變異數分析中的隨機變異再分離出兩因子間的交互影響 ( 變異 ): 006 陳欣得統計學變異數分析第 7-10 頁

11 總變異 = 行間變異 + 列間變異 + 交互影響變異 + 隨機變異 SST = SSA + SSB + SSAB + SSE ( 這裡的 SSA SSB 即上節的 SSTR SSBK) 計算公式如下 : ( ΣA ) ( ΣA ) ( ΣA ) ( ΣT) 1 a SSA = n n n N SSB A1 A Aa ( ΣB ) ( ΣB ) ( ΣB ) ( ΣT) 1 b = n n n N B1 B Bb SSE = ij = x + x + + x ( Σxij ) b a b a ( 第方格內之變異 ) ij,1 ij, ij, nij i= 1 j= 1 i= 1 j= 1 nij SSAB = SST SSA SSB SSE 其中 Σ A j Σ B i Σ T 為第 j 行觀察值之和為第 i 列觀察值之和為全部觀察值之和 Σ x 為全部觀察值之平方和原始資料中, 每一個實驗方格需有一個以上的觀察值 ( 在雙因子 ANOVA 中, 每一方格恰好有一個觀察值 ) 有三組檢定 : F F F A B AB ( a 1) ( ) MSA SSA = = MSE SSE N ab ( b 1) ( ) MSB SSB = = MSE SSE N ab : 檢測主要分組 ( 行因子 ) 平均數是否完全相等 : 檢測次要分組 ( 列因子 ) 平均數是否完全相等 ( 1)( 1) ( ) MSAB SSAB a b = = MSE SSE N ab : 檢測兩因子間是否有交互影響變異數分析表如下 : 006 陳欣得統計學變異數分析第 7-11 頁

12 變異來源平方和自由度均方和 F 行因子變異 SSA a-1 MSA = SSA / a-1 F A = MSA / MSE 列因子變異 SSB b-1 MSB = SSB / b-1 F B = MSB / MSE 交互影響變異 SSAB (a-1)(b-1) MSAB = SSAB / (a-1)(b-1) F AB = MSAB / MSE 隨機變異 SSE N-ab MSE = SSE / (N-ab) 總變異 SST N-1 範例 7.6 ( 有交互影響之雙因子 ANOVA) 解原始資料整理成以下標準形式 : x ij A 甲乙丙 B C x ij A B C 甲乙丙將每方格加總 : 006 陳欣得統計學變異數分析第 7-1 頁

13 Σx ij A B C ΣB n B (ΣB)²/a 甲乙丙 ΣA n A (ΣA)²/b Σx ij A B C 合計甲乙丙合計隨機變異 A B C 合計甲乙丙合計 ( Σx ) A甲 0 例如 A甲方格變異 =ΣxA 甲 = 13, 66 = 4.67 n 3 A甲整理成以下變異數分析表 : 變異來源平方和自由度均方 F A 因子 B 因子交互作用隨機總和其中 a= 3, b= 5, nij = 3, i, j, na = n 1 A = n A = n 3 B = n 1 B = n B3 = 9, N = 3 9 = 7 ( 1,889) SSA = 13,517.4 = ( 1,889) SSB = 13,49.9 = SSE = ( 1,889) SST = 133,59 = 1, SSAB = SST SSA SSB SSE = 54.4 (a) 006 陳欣得統計學變異數分析第 7-13 頁

14 右尾檢定, 自由度 (,18) 的 F 分配, 0.05 樣本檢定統計量 FA = R, 拒絕虛無假設 H 0 品種的不同會影響產量 α =, 拒絕區域 R= { F > } (b) 右尾檢定, 自由度 (,18) 的 F 分配, 0.05 α =, 拒絕區域 R= { F > } 樣本檢定統計量 FB =.13 R, 無法拒絕虛無假設 H 0 施肥方式不會影響產量 (c) 右尾檢定, 自由度 (4,18) 的 F 分配, 0.05 α =, 拒絕區域 R= { F >.977} 樣本檢定統計量 FA = R, 拒絕虛無假設 H 0 品種與施肥方式有交互作用 006 陳欣得統計學變異數分析第 7-14 頁

Microsoft Word - 94_2_stat_handout08_線性迴歸（考古題）.doc

Microsoft Word - 94_2_stat_handout08_線性迴歸（考古題）.doc 8 第八章線性迴歸 ( 考古題 ) 006 年 4 月 9 日最後修改 8.1(94- 逢甲 - 國貿 ) (a) y = 7.776 1.77x (b) 006 陳欣得統計學線性迴歸 ( 考古題 ) 第 8-1 頁 β 表示 x 變動一單位會導致 y 變動 ˆ β = 1.77 單位, 即每增加 1,000 磅重量, 汽車每公升汽油行駛里程會減少 1.77 公里 (c) () (e) SSR 134.717