
- •Лекция 1
- •1.1. Принципы измерений и шкалирования
- •1.2. Сопоставаление методов шкалирования
- •1.3. Методы сравнительного шкалирования
- •Лекция 2
- •2.1. Понятие дисперсионного анализа
- •2.2. Однофакторный дисперсионный анализ
- •2.3. Определение зависимых и независимых переменных
- •2.4. Измерение эффекта.
- •2.5. Проверка значимости.
- •Лекция 3
- •3.1. Допущения в дисперсионном анализе.
- •3.2. Многофакторный дисперсионный анализ
- •3.3. Ковариационный анализ
- •3.4. Парная корреляция
- •3.5. Частная корреляция
- •Лекция 4
- •4.1. Условия, которые допускают использование регрессионного анализа
- •4.2. Парная регрессия
- •4.3. Стадии парного регрессионного анализа
- •4.4. Поле корреляции
- •4.5. Определение параметров уравнения регрессии.
- •4.6. Нормированный коэффициент регрессии и проверка значимости.
- •Лекция 5
- •5.1. Теснота и значимость связи
- •5.2. Точность предсказаний
- •5.3. Допущения модели регрессионного анализа
- •5.4. Факторный анализ
- •Лекция 6
- •6.1. Факторная модель при нормированных переменных
- •6.2. Статистики факторного анализа
- •6.3. Этапы выполнения факторного анализа
- •Лекция 7
- •7.1. Формулировка проблемы и построение корреляционной матрицы.
- •7.2. Определение метода факторного анализа и числа факторов
- •7.3. Вращение и интерпретация факторов.
- •7.4. Вычисление значений факторов, отбор переменных-имитаторов и определение подгонки модели.
- •Лекция 8
- •8.1. Сущность кластерного анализа.
- •8.2. Статистики кластерного анализа
- •8.3. Этапы выполнения кластерного анализа.
3.2. Многофакторный дисперсионный анализ
Часто при исследованиях приходится иметь дело с одновременным влиянием нескольких факторов. Например – влияет ли на выбор потребителем конкретной торговой марки уровень образования и возраст?
Главное преимущество МДА в том, что он позволяет изучать взаимодействие факторов. Взаимодействия имеют место, когда эффекты одного фактора на зависимую переменную зависят от уровня других факторов.
Взаимодействие имеет место при оценке зависимости между двумя переменными, если влияние Х1 зависит от уровня Х2 и наоборот.
Сама процедура МДА аналогична процедуре однофакторного дисперсионного анализа. Статистики, соответствующие МДА также определяются аналогично определению статистик в ОДА.
Рассмотрим пример, в который входят факторы Х1 и Х2 с уровнями с1 и с2 соответственно. В этом случае полная вариация раскладывается следующим образом.
SSполная = SS
за счет Х1 + SS, Х2 + SS и взаимодействия Х1 и Х2 + SSвнутри
Эту формулу можно записать по другому
SSy = SSx1 + SSx2 + SSx1x2 + SSошибкм
Большое влияние Х1 будет выражаться в большом отличии среднего в уровнях Х1 , а также более высоком значении SSx1. Это же касается и фактора Х2. Чем сильнее взаимодействие между факторами Х1 и Х2, тем больше значение SSx1x2. С другой стороны, если Х1 и Х2 не зависят один от другого, то значение SSx1x2 приближается к нулю.
Степень объединенного влияния, т.е. эффекта двух факторов называют полным эффектом или множественной корреляцией 2, которая вычисляется по формуле.
(SSx1 + SSx2 + SSx1x2)
2 =
SSy
Значимость полного эффекта проверяется с помощью F-критерия
(SSx1 + SSx2 + SSx1x2)/dfn SSx1.x2.x1x2/ dfn MSx1.x2.x1x2
F = = = ;
SSошибкм/dfd SSошибкм/dfd MSошибкм
где dfn – число степеней свободы для числителя, которое равно
(с1 – 1) + (с2 – 1) + (с1 – 1) (с2 – 1) = с1с2 -1
dfd – число степеней свободы для знаменателя, которое равно
N - с1с2
M – средний квадрат.
Проверка наличия различий между некоторыми из групп факторного эксперимента определяет значимость полного эффекта.
Если полный эффект статистически значимый, то на следующем этапе изучают значимость эффектов взаимодействия.
Если нулевая гипотеза утверждает, что взаимодействие между факторами отсутствует, то соответствующий F-критерий вычисляют по формуле
SSx1x2/ dfn MSx1x2
F = = ;
SSошибкм/dfd MSошибкм
где dfn = (с1 – 1) + (с2 – 1)
dfd = N - с1с2
Значимость эффекта взаимодействия выявляется с помощью проверки взаимодействия между двумя или больше независимыми переменными. При этом, если окажется, что эффект взаимодействия статистически значимый, то эффект Х1 зависит от Х2 и наоборот. Поскольку эффект, т.е. влияние одного фактора является неоднородным, а зависит от уровня другого фактора, то проверять значимость главных эффектов бессмысленно. В то же время имеет смысл проверить значимость главного эффекта каждого фактора, если эффект взаимодействия статистически незначимый.
Значимость главного эффекта каждого фактора, например, для Х1 можно проверить следующим образом
SSx1/ dfn MSx1
F = = ;
SSошибкм/dfd MSошибкм
где dfn = с1 – 1
dfd = N - с1с2
Все вышесказанное справедливо только тогда, когда план эксперимента сбалансированный, т.е. число случаев в каждой ячейке одинаково. В противном случае дисперсионный анализ усложняется.
При проверке различий в средних значениях зависимой переменной, связанных с влиянием контролируемых независимых переменных, часто необходимо учитывать неконтролируемые независимые переменные. Например, при определении влияния различных цен на потребление в семьях сухих завтраков может оказаться существенным такой фактор, как размер семьи. Для решения подобных задач служит