Двухфакторный дисперсионный анализ при перекрестной

2.1.2. Двухфакторный дисперсионный анализ при перекрестной

классификации факторов

Часто необходимо качественно оценить значимость или незначимость влияния на целевую функцию u двух одновременно действующих факторов x₁ и x_{2 .} Такими факторами могут быть, например, форма собственности предприятия x₁ ивид экономической деятельности x₂.

Модель двухфакторного дисперсионного анализа имеет вид [1-4]:

где - общее среднее, -отклонение от общего среднего для фактора x1, - отклонение от общего среднего для фактора x2, - отклонение от общего среднего для взаимодействия двух факторов, - случайная составляющая.

В этом случае общую сумму квадратов отклонений Q₀ можно разбить на четыре суммы:

1)   Q_x1-по фактору x₁,

2)   Q_x2-по фактору x₂,

3)   Q_e-остаточную сумму квадратов, зависящую от ошибки e,

4)   Q _x1x2-зависящую от взаимодействия (произведения) x₁x₂ двух факторов.

В этом случае по выборочным значениям вычисляются:

1) среднее  для каждого уровня фактораx₁:

;

2) среднее  для каждого уровня фактора x₂:

;

3) общее среднее  по всем N опытам, т.е. по всем m параллельным опытам на всех сочетаниях уровней факторов x₁ и x₂ ():

;

4) среднее  по m параллельным опытам для каждого сочетания уровней факторов x₁ и x₂:

.

В табл.2 показаны данные полного факторного эксперимента с одинаковым числом наблюдений в ячейках.

Таблица 3. - Данные эксперимента и расчёты средних при двухфакторном дисперсионном анализе

В табл.2 вычисляется по выделенной части столбца, содержащей m параллельных опытов.

Общая сумма квадратов отклонений Q₀ рассчитывается по формуле:

Эту сумму можно разложить на 4 составляющие:

1) сумму, характеризующую влияние фактора x₁:

;

2) сумму, характеризующую влияние фактора x₂:

;

3) сумму, характеризующую результат влияния взаимодействия x₁x_2:

4) сумму, характеризующую влияние ошибки e:

Указанные пять сумм, поделенные на соответствующее число степеней свободы, дают пять различных оценок дисперсии, если влияние факторов x₁ и x₂ незначимо. Для проведения дисперсионного анализа вычисляются следующие дисперсии:

1) оценка дисперсии относительно общего среднего:

,

где  -общее число наблюдений, а число степеней свободы

;

2) оценка дисперсии «между строками», определяемыми уровнями x_1j:

,

где  - число степеней свободы.

3) оценка дисперсии «между столбцами», соответствующими уровням фактора x₂:

,

где  - число степеней свободы;

4) оценка дисперсии «между сериями» по m параллельным опытам каждая

с числом степеней свободы ;

5) оценка дисперсии «внутри серий» по m параллельным опытам, вычисляемая как средняя оценка по всем u₁u₂ сериям:

с числом степеней свободы .

Числа степеней свободы должны удовлетворять соотношению

Статистическое оценивание значимости влияния факторов x_{1 ,} x₂ и взаимодействия x₁x₂ выполняются по F-критерию Фишера, для чего формируются следующие F-отношения:

, , .

Фактор x₁ или x₂ , или взаимодействие x₁x₂ признаются незначимым, если соответствующее F-отношение оказывается меньше критического, выбранного из таблиц для принятого уровня значимости  и числа степеней свободы сравниваемых дисперсий.

Для того, чтобы сделать вывод о том, влияют ли на исследуемые показатели качественные факторы, выдвигают следующие гипотезы:

H₀:  , т.е средние значения по всем столбцам равны фактор столбца не оказывает влияния на исследуемый показатель.

H₁: , , т.е средние значения по всем столбцам не равны фактор столбца оказывает существенное влияние на исследуемый показатель.

H₀:  , т.е средние значения по всем строкам равны фактор строки не оказывает влияния на исследуемый показатель.

H₁: , , т.е средние значения по всем строкам не равны фактор строки оказывает существенное влияние на исследуемый показатель.

H₀:  , т.е отклонение взаимодействия факторов равно нулю и взаимодействие не значимо..

H₁: , фактор взаимодействия значим..

Если , то принимается нулевая гипотеза при соответствующем уровне значимости о том, что исследуемый фактор не оказывает существенного влияния на количественные данные.

Если , то нулевая гипотеза отвергается и принимается альтернативная при соответствующем уровне значимости. Исходя из этого, можно сделать вывод о том, что исследуемый фактор оказывает существенное влияние на количественные данные.

Результаты двухфакторного дисперсионного анализа представляются в виде табл.3.

Таблица 3. - Двухфакторный дисперсионный анализ при равном числе наблюдений в ячейках

m – число данных в строке (число повторов в ячейке), - число столбцов, - число строк.

Похожие работы

Выполнение статистических расчетов с помощью ЭВМ в системе MINITAB и Exсel

Скачать

28281

4

21

... MINITAB; -   ознакомиться с информацией о Вашей версии MINITAB. После того как Вы завершить работу в статистическом пакете MINITAB необходимо для закрытия программы выполнить следующие команды: File > Exit.   2.4. Расчет основных статистик в пакете Minitab. В ходе выполнения лабораторной работы студент должен получить практические навыки и умения по следующим пунктам: -   открывать и ...

Задачи маркетинга, решаемые автоматизированными системами

Скачать

74770

0

0

... реакции или вмешательства оператора. Точки диалога по своей природе подразделяются на информационные (для ввода данных) и управляющие (для выбора дальнейшего хода обработки). Принятый в автоматизированной системе маркетинга одежды способ построения человеко-машинного диалога обеспечивает максимальную наглядность, простоту и удобство работы в режиме эксплуатации. 3. Определение емкости, оценка ...