第六章方差分析(高等教育出版社)
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
对于因素的每一个水平， 对于因素的每一个水平，其观察值是来自服从正态分布总 体的简单随机样本 比如， 比如，每个行业被投诉的次数必需服从正态分布
2. 各个总体的方差必须相同 各个总体的方差必须相同
各组观察数据是从具有相同方差的总体中抽取的 比如， 比如，四个行业被投诉次数的方差都相等
3. 观察值是独立的
方差的比较：
1. 若不同行业对投诉次数没有影响，则组间误差中只包含随
机误差，没有系统误差。这时，组间误差与组内误差经过 平均后的数值就应该很接近，它们的比值就会接近1
2. 若不同行业对投诉次数有影响，在组间误差中除了包含随
机误差外，还会包含有系统误差，这时组间误差平均后的 数值就会大于组内误差平均后的数值，它们之间的比值就 会大于1
如，每个行业被投诉的次数与其他行业被投诉的次数独立
（二）基本假定的应用描述
1. 在上述假定条件下，判断行业对投诉次数是否 在上述假定条件下， 有显著影响， 有显著影响，实际上也就是检验具有同方差的 四个正态总体的均值是否相等 2. 如果四个总体的均值相等，可以期望四个样本 如果四个总体的均值相等， 的均值也会很接近
单因素方差分析：涉及一个分类的自变量 双因素方差分析：涉及两个分类的自变量
案例： 案例：为了对几个行业的服务质量进行评价，消费者协会在 四个行业分别抽取了不同的企业作为样本。最近一年中消费 者对总共23家企业投诉的次数如下表： 者对总共23家企业投诉的次数如下表：
消费者对四个行业的投诉次数 行业 观测值 零售业 旅游业 航空公司 家电制造业
四个样本的均值越接近， 四个样本的均值越接近，推断四个总体均值相等 的证据也就越充分 样本均值越不同， 样本均值越不同，推断总体均值不同的证据就越 充分
案例分析1--原假设成立
如果原假设成立，即H 如果原假设成立，即H0 ： 1 = 2 = 3 = 4
四个行业被投诉次数的均值都相等 意味着每个样本都来自均值为 意味着每个样本都来自均值为 、方差为σ 2的同一 正态总体
（四）两类方差
1. 数据的误差用平方和表示，称为方差 2. 组内方差
因素的同一水平(同一个总体) 因素的同一水平(同一个总体)下样本数据的方差 比如， 比如，零售业被投诉次数的方差 组内方差只包含随机误差
3. 组间方差
因素的不同水平(不同总体) 因素的不同水平(不同总体)下各样本之间的方差 比如， 比如，四个行业被投诉次数之间的方差 组间方差既包括随机误差，也包括系统误差
（二）误差来源
1. 仅从散点图上观察还不能提供充分的证据来证明 不同行业对被投诉的次数之间有显著的差异。 不同行业对被投诉的次数之间有显著的差异。 2. 随机误差与系统误差 （ 1 ） 随机误差：同一行业 （ 或同一总体） ， 样 随机误差：同一行业（ 或同一总体 ） 本的观察值是不同的。 本的观察值是不同的。这种差异也可能是由于抽 样的随机性所造成的。因为企业是随机的， 样的随机性所造成的。因为企业是随机的，因此他们
（三）比较两类误差
1. 随机误差
因素的同一水平(总体) 因素的同一水平(总体)下，样本各观察值之间的差异 比如， 比如，同一行业下不同企业被投诉次数是不同的 这种差异可以看成是随机因素的影响， 这种差异可以看成是随机因素的影响，称为随机误差
2. 系统误差
因素的不同水平(不同总体) 因素的不同水平(不同总体)下，各观察值之间的差异 比如， 比如，不同行业之间的被投诉次数之间的差异 这种差异可能是由于抽样的随机性所造成的，也可能 是由于抽样的随机性所造成的， 是由于行业本身所造成的， 是由于行业本身所造成的，后者所形成的误差是由系 统性因素造成的， 统性因素造成的，称为系统误差
H0 ： 1 = 2 = 3 = 4 H1 ： 1 , 2 , 3 , 4 不全相等
6.2 单因素方差分析
一、数据结构 二、分析步骤 三、用Excel进行方差分析 Excel进行方差分析 四、方差分析中的多重比较
一、单因素方差分析的数据结构
因素( 因素(A) i 观察值 ( j ) 水平A1 水平A2 … 水平Ak
f(X)
1 = 2 = 3 = 4
X
案例分析2—被择假设成立
若备择假设成立，即H 若备择假设成立，即H1 ： i (i=1,2,3,4)不全相等 =1,2,3,4)
至少有一个总体的均值是不同的 四个样本分别来自均值不同的四个正态总体
f(X)
3 ≠ 1 ≠ 2 ≠ 4
X
四、问题的一般提法
1. 设因素有k个水平，每个水平的均值分别用1 , 2, …, 设因素有k个水平， k 表示 2. 要检验 k 个水平 ( 总体 ) 的均值是否相等 ， 需要提出如 要检验k 个水平( 总体) 的均值是否相等， 下假设：
3. 观察值
在每个因素水平下得到的样本数据 每个行业被投诉的次数就是观察值
4. 试验
这里只涉及一个因素， 这里只涉及一个因素，因此称为单因素四水平的 试验
5. 总体
因素的每一个水平可以看作是一个总体 比如零售业、旅游业、航空公司、 比如零售业、旅游业、航空公司、家电制造业可 以看作是四个总体
6. 样本数据
中 国 市 场 统 计 年 鉴
学习目标
1. 掌握单因素方差分析的方法及应用 2. 理解多重比较的意义 3. 解释方差分析的概念 4. 掌握双因素方差分析的方法及应用 5. 掌握试验设计的基本原理和方法 6. 解释方差分析的基本思想和原理
6.1 方差分析引论
一、方差分析及其有关术语 二、方差分析的基本思想和原理 三、方差分析的基本假定 四、问题的一般提法
之间的差异可以看成是随机因素的影响所造成的。 之间的差异可以看成是随机因素的影响所造成的。）
（ 2 ） 系统误差：不同行业 （ 或不同总体） ， 样 系统误差：不同行业（ 或不同总体 ） 本的观察值也是不同的。 本的观察值也是不同的。这种差异也可能是由于 抽样的随机性所造成的， 抽样的随机性所造成的，也可能是由于行业本身 所造成的。 所造成的。
4.方差分析：判断行业对投诉次数是否有显著影响，实 判断行业对投诉次数是否有显著影响，
质就是检验被投诉次数的差异主要是由于什么原因所引起， 质就是检验被投诉次数的差异主要是由于什么原因所引起， 并需要有更准确的方法来检验这种差异是否显著， 并需要有更准确的方法来检验这种差异是否显著，就需要 进行方差分析。 进行方差分析。 ⊙比较两类误差，以检验均值是否相等 ⊙比较的基础是方差比 ⊙如果系统(处理)误差明显地不同于随机误差，则均值就 如果系统(处理) 是不相等的；反之，均值就是相等的 ⊙误差是由各部分的误差占总误差的比例来测度的
1 2 3 4 5 6 7
57 66 49 40 34 53 44
68 39 29 45 56 51
31 49 21 34 40
44 51 65 77 58
案例分析（方差分析结论） 方差分析结论）
1. 分析四个行业之间的服务质量是否有显著差异 ， 分析四个行业之间的服务质量是否有显著差异， 也就是要判断“行业” 也就是要判断“行业”对“投诉次数”是否有显 投诉次数” 著影响 2. 作出这种判断最终被归结为检验这四个行业被投 诉次数的均值是否相等 3. 若它们的均值相等 ， 则意味着“ 行业 ” 对投诉次 若它们的均值相等， 则意味着 “ 行业” 数是没有影响的， 数是没有影响的，即它们之间的服务质量没有显 著差异；若均值不全相等，则意味着“行业” 著差异；若均值不全相等，则意味着“行业”对 投诉次数是有影响的， 投诉次数是有影响的，它们之间的服务质量有显 著差异
（二）方差分析中的有关术语
1. 因素或因子
所要检验的对象 要分析行业对投诉次数是否有影响， 行业是要检验 要分析行业对投诉次数是否有影响 ， 行业 是要检验 的因素或因子
2. 水平或处理
因子的不同表现 零售业、 旅游业、 航空公司、 零售业 、 旅游业 、 航空公司 、 家电制造业就是因子 的水平
H0 ： 1 = 2 = …= k H1 ： 1 , 2 , …，k 不全相等
3. 设1为零售业被投诉次数的均值，2为旅游业被投诉 为零售业被投诉次数的均值， 次数的均值， 为航空公司被投诉次数的均值， 次数的均值，3为航空公司被投诉次数的均值，4为 家电制造业被投诉次数的均值， 家电制造业被投诉次数的均值，提出的假设为
3. 当这个比值大到某种程度时，就可以说不同水平之间存在
着显著差异，也就是自变量对因变量有影响
判断行业对投诉次数是否有显著影响，实际上也就是检验被投 诉次数的差异主要是由于什么原因所引起的。如果这种差异主 要是系统误差，说明不同行业对投诉次数有显著影响
三、方差分析的基本假定
（一）基本假定
1.每个总体都应服从正态分布 每个总体都应服下各样本数据之间的误差。 组内误差：同一总体下各样本数据之间的误差。 如所抽7各零售企业被投诉次数之间的误差。 如所抽7各零售企业被投诉次数之间的误差。 （2）组间误差：不同总体下各样本数据之间的误差。 组间误差：不同总体下各样本数据之间的误差。 如所抽零售业、旅游业等行业之间被投诉次数之间的误差。 如所抽零售业、旅游业等行业之间被投诉次数之间的误差。 （3）组内误差和组间误差之间的关系：组内误差只包括随机误差，组间 组内误差和组间误差之间的关系：组内误差只包括随机误差， 误差既包括随机误差，也包括系统误差。 误差既包括随机误差，也包括系统误差。 如果不同行业对投诉次数没有影响， 如果不同行业对投诉次数没有影响，此时组间误差只包含随机误 差，不包括系统误差。这时，组间误差和组内误差经过平方后的数值比 不包括系统误差。这时， 就应该会接近1 就应该会接近1。 反之，如果不同行业对投诉次数有影响， 反之，如果不同行业对投诉次数有影响，此时组间误差不仅包含 了随机误差，还会包括系统误差。这时， 了随机误差，还会包括系统误差。这时，组间误差经过平方后的数值就 会大于组内误差经过平方后的数值，他们之间的比值就会大于1 会大于组内误差经过平方后的数值，他们之间的比值就会大于1。这一比 值达到某种程度时，可以说因素的不同总体之间存在着显著差异， 值达到某种程度时，可以说因素的不同总体之间存在着显著差异，也就 是自变量对因变量有影响。 是自变量对因变量有影响。
家电制造被投诉的次数较高， 家电制造被投诉的次数较高 ， 航空公司被投诉的次数 较低。 较低。
2. 行业与被投诉次数之间有一定的关系
如果行业与被投诉次数之间没有关系， 如果行业与被投诉次数之间没有关系，那么它们 被投诉的次数应该差不多相同， 被投诉的次数应该差不多相同，在散点图上所呈 现的模式也就应该很接近
第 6 章 方差分析与试验设计
统计学是有关收集和分析带有随 机性误差的数据的科学和艺术。
第 6 章 方差分析与试验设计
6.1 方差分析引论 6.2 单因素方差分析 6.3 双因素方差分析 6.4 试验设计初步
我看出来了：方差分 析提高了检验的效率 ， 也增加了分析的可 靠性。 靠性。
中 国 人 口 统 计 年 鉴
1 2 : :
n
x11 x12 : : x1n
x21 x22 : : x2n
… … : : …
xk1 xk2 : : xkn
二、分析步骤
（一）提出假设
1. 一般提法 H0 ： 1 = 2 =…= k
一、方差分析及其有关术语
（一）什么是方差分析？ 什么是方差分析？
1. 检验多个总体均值是否相等
通过分析数据的误差判断各总体均值是否相等
2. 研究分类型自变量对数值型因变量的影响
一个或多个分类尺度的自变量
两个或多个 (k 个) 处理水平或分类
一个间隔或比率尺度的因变量
3. 有单因素方差分析和双因素方差分析
被投诉次数可以看作是从这四个总体中抽取的样 本数据
二、方差分析的基本思想和原理
（一）散点图
80 60 被投诉次数 40 20 0 0
零售业 1
旅游业 2
航空公司 3
4 家电制造 5 行业
不同行业被投诉次数的散点图
解读散点图 解读散点图
1. 从散点图上可以看出
不同行业被投诉的次数是有明显差异的 不同行业被投诉的次数是有明显差异的 同一个行业，不同企业被投诉的次数也明显不同 同一个行业，不同企业被投诉的次数也明显不同
2. 各个总体的方差必须相同 各个总体的方差必须相同
各组观察数据是从具有相同方差的总体中抽取的 比如， 比如，四个行业被投诉次数的方差都相等
3. 观察值是独立的
方差的比较：
1. 若不同行业对投诉次数没有影响，则组间误差中只包含随
机误差，没有系统误差。这时，组间误差与组内误差经过 平均后的数值就应该很接近，它们的比值就会接近1
2. 若不同行业对投诉次数有影响，在组间误差中除了包含随
机误差外，还会包含有系统误差，这时组间误差平均后的 数值就会大于组内误差平均后的数值，它们之间的比值就 会大于1
如，每个行业被投诉的次数与其他行业被投诉的次数独立
（二）基本假定的应用描述
1. 在上述假定条件下，判断行业对投诉次数是否 在上述假定条件下， 有显著影响， 有显著影响，实际上也就是检验具有同方差的 四个正态总体的均值是否相等 2. 如果四个总体的均值相等，可以期望四个样本 如果四个总体的均值相等， 的均值也会很接近
单因素方差分析：涉及一个分类的自变量 双因素方差分析：涉及两个分类的自变量
案例： 案例：为了对几个行业的服务质量进行评价，消费者协会在 四个行业分别抽取了不同的企业作为样本。最近一年中消费 者对总共23家企业投诉的次数如下表： 者对总共23家企业投诉的次数如下表：
消费者对四个行业的投诉次数 行业 观测值 零售业 旅游业 航空公司 家电制造业
四个样本的均值越接近， 四个样本的均值越接近，推断四个总体均值相等 的证据也就越充分 样本均值越不同， 样本均值越不同，推断总体均值不同的证据就越 充分
案例分析1--原假设成立
如果原假设成立，即H 如果原假设成立，即H0 ： 1 = 2 = 3 = 4
四个行业被投诉次数的均值都相等 意味着每个样本都来自均值为 意味着每个样本都来自均值为 、方差为σ 2的同一 正态总体
（四）两类方差
1. 数据的误差用平方和表示，称为方差 2. 组内方差
因素的同一水平(同一个总体) 因素的同一水平(同一个总体)下样本数据的方差 比如， 比如，零售业被投诉次数的方差 组内方差只包含随机误差
3. 组间方差
因素的不同水平(不同总体) 因素的不同水平(不同总体)下各样本之间的方差 比如， 比如，四个行业被投诉次数之间的方差 组间方差既包括随机误差，也包括系统误差
（二）误差来源
1. 仅从散点图上观察还不能提供充分的证据来证明 不同行业对被投诉的次数之间有显著的差异。 不同行业对被投诉的次数之间有显著的差异。 2. 随机误差与系统误差 （ 1 ） 随机误差：同一行业 （ 或同一总体） ， 样 随机误差：同一行业（ 或同一总体 ） 本的观察值是不同的。 本的观察值是不同的。这种差异也可能是由于抽 样的随机性所造成的。因为企业是随机的， 样的随机性所造成的。因为企业是随机的，因此他们
（三）比较两类误差
1. 随机误差
因素的同一水平(总体) 因素的同一水平(总体)下，样本各观察值之间的差异 比如， 比如，同一行业下不同企业被投诉次数是不同的 这种差异可以看成是随机因素的影响， 这种差异可以看成是随机因素的影响，称为随机误差
2. 系统误差
因素的不同水平(不同总体) 因素的不同水平(不同总体)下，各观察值之间的差异 比如， 比如，不同行业之间的被投诉次数之间的差异 这种差异可能是由于抽样的随机性所造成的，也可能 是由于抽样的随机性所造成的， 是由于行业本身所造成的， 是由于行业本身所造成的，后者所形成的误差是由系 统性因素造成的， 统性因素造成的，称为系统误差
H0 ： 1 = 2 = 3 = 4 H1 ： 1 , 2 , 3 , 4 不全相等
6.2 单因素方差分析
一、数据结构 二、分析步骤 三、用Excel进行方差分析 Excel进行方差分析 四、方差分析中的多重比较
一、单因素方差分析的数据结构
因素( 因素(A) i 观察值 ( j ) 水平A1 水平A2 … 水平Ak
f(X)
1 = 2 = 3 = 4
X
案例分析2—被择假设成立
若备择假设成立，即H 若备择假设成立，即H1 ： i (i=1,2,3,4)不全相等 =1,2,3,4)
至少有一个总体的均值是不同的 四个样本分别来自均值不同的四个正态总体
f(X)
3 ≠ 1 ≠ 2 ≠ 4
X
四、问题的一般提法
1. 设因素有k个水平，每个水平的均值分别用1 , 2, …, 设因素有k个水平， k 表示 2. 要检验 k 个水平 ( 总体 ) 的均值是否相等 ， 需要提出如 要检验k 个水平( 总体) 的均值是否相等， 下假设：
3. 观察值
在每个因素水平下得到的样本数据 每个行业被投诉的次数就是观察值
4. 试验
这里只涉及一个因素， 这里只涉及一个因素，因此称为单因素四水平的 试验
5. 总体
因素的每一个水平可以看作是一个总体 比如零售业、旅游业、航空公司、 比如零售业、旅游业、航空公司、家电制造业可 以看作是四个总体
6. 样本数据
中 国 市 场 统 计 年 鉴
学习目标
1. 掌握单因素方差分析的方法及应用 2. 理解多重比较的意义 3. 解释方差分析的概念 4. 掌握双因素方差分析的方法及应用 5. 掌握试验设计的基本原理和方法 6. 解释方差分析的基本思想和原理
6.1 方差分析引论
一、方差分析及其有关术语 二、方差分析的基本思想和原理 三、方差分析的基本假定 四、问题的一般提法
之间的差异可以看成是随机因素的影响所造成的。 之间的差异可以看成是随机因素的影响所造成的。）
（ 2 ） 系统误差：不同行业 （ 或不同总体） ， 样 系统误差：不同行业（ 或不同总体 ） 本的观察值也是不同的。 本的观察值也是不同的。这种差异也可能是由于 抽样的随机性所造成的， 抽样的随机性所造成的，也可能是由于行业本身 所造成的。 所造成的。
4.方差分析：判断行业对投诉次数是否有显著影响，实 判断行业对投诉次数是否有显著影响，
质就是检验被投诉次数的差异主要是由于什么原因所引起， 质就是检验被投诉次数的差异主要是由于什么原因所引起， 并需要有更准确的方法来检验这种差异是否显著， 并需要有更准确的方法来检验这种差异是否显著，就需要 进行方差分析。 进行方差分析。 ⊙比较两类误差，以检验均值是否相等 ⊙比较的基础是方差比 ⊙如果系统(处理)误差明显地不同于随机误差，则均值就 如果系统(处理) 是不相等的；反之，均值就是相等的 ⊙误差是由各部分的误差占总误差的比例来测度的
1 2 3 4 5 6 7
57 66 49 40 34 53 44
68 39 29 45 56 51
31 49 21 34 40
44 51 65 77 58
案例分析（方差分析结论） 方差分析结论）
1. 分析四个行业之间的服务质量是否有显著差异 ， 分析四个行业之间的服务质量是否有显著差异， 也就是要判断“行业” 也就是要判断“行业”对“投诉次数”是否有显 投诉次数” 著影响 2. 作出这种判断最终被归结为检验这四个行业被投 诉次数的均值是否相等 3. 若它们的均值相等 ， 则意味着“ 行业 ” 对投诉次 若它们的均值相等， 则意味着 “ 行业” 数是没有影响的， 数是没有影响的，即它们之间的服务质量没有显 著差异；若均值不全相等，则意味着“行业” 著差异；若均值不全相等，则意味着“行业”对 投诉次数是有影响的， 投诉次数是有影响的，它们之间的服务质量有显 著差异
（二）方差分析中的有关术语
1. 因素或因子
所要检验的对象 要分析行业对投诉次数是否有影响， 行业是要检验 要分析行业对投诉次数是否有影响 ， 行业 是要检验 的因素或因子
2. 水平或处理
因子的不同表现 零售业、 旅游业、 航空公司、 零售业 、 旅游业 、 航空公司 、 家电制造业就是因子 的水平
H0 ： 1 = 2 = …= k H1 ： 1 , 2 , …，k 不全相等
3. 设1为零售业被投诉次数的均值，2为旅游业被投诉 为零售业被投诉次数的均值， 次数的均值， 为航空公司被投诉次数的均值， 次数的均值，3为航空公司被投诉次数的均值，4为 家电制造业被投诉次数的均值， 家电制造业被投诉次数的均值，提出的假设为
3. 当这个比值大到某种程度时，就可以说不同水平之间存在
着显著差异，也就是自变量对因变量有影响
判断行业对投诉次数是否有显著影响，实际上也就是检验被投 诉次数的差异主要是由于什么原因所引起的。如果这种差异主 要是系统误差，说明不同行业对投诉次数有显著影响
三、方差分析的基本假定
（一）基本假定
1.每个总体都应服从正态分布 每个总体都应服下各样本数据之间的误差。 组内误差：同一总体下各样本数据之间的误差。 如所抽7各零售企业被投诉次数之间的误差。 如所抽7各零售企业被投诉次数之间的误差。 （2）组间误差：不同总体下各样本数据之间的误差。 组间误差：不同总体下各样本数据之间的误差。 如所抽零售业、旅游业等行业之间被投诉次数之间的误差。 如所抽零售业、旅游业等行业之间被投诉次数之间的误差。 （3）组内误差和组间误差之间的关系：组内误差只包括随机误差，组间 组内误差和组间误差之间的关系：组内误差只包括随机误差， 误差既包括随机误差，也包括系统误差。 误差既包括随机误差，也包括系统误差。 如果不同行业对投诉次数没有影响， 如果不同行业对投诉次数没有影响，此时组间误差只包含随机误 差，不包括系统误差。这时，组间误差和组内误差经过平方后的数值比 不包括系统误差。这时， 就应该会接近1 就应该会接近1。 反之，如果不同行业对投诉次数有影响， 反之，如果不同行业对投诉次数有影响，此时组间误差不仅包含 了随机误差，还会包括系统误差。这时， 了随机误差，还会包括系统误差。这时，组间误差经过平方后的数值就 会大于组内误差经过平方后的数值，他们之间的比值就会大于1 会大于组内误差经过平方后的数值，他们之间的比值就会大于1。这一比 值达到某种程度时，可以说因素的不同总体之间存在着显著差异， 值达到某种程度时，可以说因素的不同总体之间存在着显著差异，也就 是自变量对因变量有影响。 是自变量对因变量有影响。
家电制造被投诉的次数较高， 家电制造被投诉的次数较高 ， 航空公司被投诉的次数 较低。 较低。
2. 行业与被投诉次数之间有一定的关系
如果行业与被投诉次数之间没有关系， 如果行业与被投诉次数之间没有关系，那么它们 被投诉的次数应该差不多相同， 被投诉的次数应该差不多相同，在散点图上所呈 现的模式也就应该很接近
第 6 章 方差分析与试验设计
统计学是有关收集和分析带有随 机性误差的数据的科学和艺术。
第 6 章 方差分析与试验设计
6.1 方差分析引论 6.2 单因素方差分析 6.3 双因素方差分析 6.4 试验设计初步
我看出来了：方差分 析提高了检验的效率 ， 也增加了分析的可 靠性。 靠性。
中 国 人 口 统 计 年 鉴
1 2 : :
n
x11 x12 : : x1n
x21 x22 : : x2n
… … : : …
xk1 xk2 : : xkn
二、分析步骤
（一）提出假设
1. 一般提法 H0 ： 1 = 2 =…= k
一、方差分析及其有关术语
（一）什么是方差分析？ 什么是方差分析？
1. 检验多个总体均值是否相等
通过分析数据的误差判断各总体均值是否相等
2. 研究分类型自变量对数值型因变量的影响
一个或多个分类尺度的自变量
两个或多个 (k 个) 处理水平或分类
一个间隔或比率尺度的因变量
3. 有单因素方差分析和双因素方差分析
被投诉次数可以看作是从这四个总体中抽取的样 本数据
二、方差分析的基本思想和原理
（一）散点图
80 60 被投诉次数 40 20 0 0
零售业 1
旅游业 2
航空公司 3
4 家电制造 5 行业
不同行业被投诉次数的散点图
解读散点图 解读散点图
1. 从散点图上可以看出
不同行业被投诉的次数是有明显差异的 不同行业被投诉的次数是有明显差异的 同一个行业，不同企业被投诉的次数也明显不同 同一个行业，不同企业被投诉的次数也明显不同