单因子方差分析示例

某化学工程师想要比较四种油漆混料的硬度。每种油漆混料取六份样品涂到一小块金属上,待金属块凝固后再测量每种样品的硬度。为了检验均值是否相等,并评估均值对之间的差分,分析师配合使用单因子方差分析和多重比较。

  1. 打开样本数据,喷漆硬度.MTW
  2. 选择统计 > 方差分析 > 单因子
  3. 选择所有因子水平的响应数据位于同一列中
  4. 响应中,输入硬度
  5. 因子中,输入油漆
  6. 单击比较按钮,然后选择Tukey
  7. 在每个对话框中单击确定

解释结果

油漆硬度方差分析得到的 p 值小于 0.05。此结果表明油漆混料的硬度明显不同。工程师了解到部分组均值不相同。

工程师使用 Tukey 比较结果正式检验一对组之间的差分在统计意义上是否显著。包含 Tukey 整体置信区间的图形显示,混料 2 和混料 4 的均值之间差分的置信区间为 (3.114, 15.886)。此范围不包含零,表明这些均值之间的差分显著。工程师可以使用此差分估计值来确定差分在实际意义上是否显著。

其余均值对的置信区间都包括零,表明这些差分并不显著。

低预测值 R2 (24.32%) 表明模型针对新观测值生成的预测值不准确。这种不准确性可能是由于组的数量较小引起的。因此,工程师不应使用该模型进行样本数据之外的广义化。

方法

原假设所有均值都相等
备择假设并非所有的均值都相等
显著性水平α = 0.05
已针对此分析假定了相等方差。

因子信息

因子水平数
油漆4配方 1, 配方 2, 配方 3, 配方 4

方差分析

来源自由度Adj SSAdj MSF 值P 值
油漆3281.793.906.020.004
误差20312.115.60   
合计23593.8     

模型汇总

SR-sqR-sq(调整)R-sq(预测)
3.9501247.44%39.56%24.32%

均值

油漆N均值标准差95% 置信区间
配方 1614.733.36(11.37, 18.10)
配方 268.575.50(5.20, 11.93)
配方 3612.983.73(9.62, 16.35)
配方 4618.072.64(14.70, 21.43)
合并标准差 = 3.95012

使用 Tukey 方法和 95% 置信度对信息进行分组

油漆N均值分组
配方 4618.07A 
配方 1614.73AB
配方 3612.98AB
配方 268.57  B
不共享字母的均值之间具有显著差异。