文档介绍：趋势检验（分析销售额是否会随着地区
人口密度减少而呈现出某种趋势）
，所以拒绝原假设，即认为地区和销售额之间不是零线性相关
先验对比检验
，所以不能拒绝原趋势检验（分析销售额是否会随着地区
人口密度减少而呈现出某种趋势）
，所以拒绝原假设，即认为地区和销售额之间不是零线性相关
先验对比检验
，所以不能拒绝原假设，即认为报纸广告的效果与广播、体验的总体效果没有显著差异
练****br/>对四个服务行业的服务质量进行评价，较高得分表示较高的服务质量。对航空公司、零售业、。在显著性水平=，检验四种行业质量等级的总体均值是否差异显著？你的结论如何？
第三节多因素方差分析
在上一节课，我们已经研究了不同广告形式对产品销售有显著影响，不同地区的产品销售额也存在显著差异，然而，不同广告形式和不同地区的搭配是否会对销售额产生影响呢？而哪种搭配方式又可以获得最理想的销售业绩呢？
问题引出
本节主要内容
多因素方差分析的基本思想
多因素方差分析的数学模型
多因素方差分析的基本步骤
多因素方差分析的基本操作
多因素方差分析的应用举例
多因素方差分析的进一步分析及应用
多因素方差分析的基本思想
多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。它不仅能分析多个因素对观测变量的独立影响，更能够分析多个控制因素的交互作用能否对观测变量的分布产生显著影响，进而找到有利于观测变量的最优组合。
概念
确定观测变量和若干个控制变量
剖析观测变量的方差
比较观测变量总离差平方和和各部分所占的比例
基本思想
剖析观测变量的方差
第一，控制变量独立作用的影响
第二，控制变量交互作用的影响
第三，随机因素的影响
多因素方差分析的数学模型
设控制变量A有k个水平，B有r个水平，每个交叉水平下均有l个样本，则在控制变量A的水平Ai和控制变量B的水平Bj下的第k个样本值 定义为：
多因素方差分析的饱和模型
多因素方差分析的基本步骤
提出零假设
选择检验统计量
固定效应模型
随机效应模型
计算检验统计量观测值和概率P值
给出显著性水平 ，并作出统计决策
（1）若FA的概率p< ，则拒绝原假设，即认为控制变量A的不同水平对观测变量产生了显著影响。
（2）FB的概率p< ，则拒绝原假设，即认为控制变量B的不同水平对观测变量产生了显著影响。
（3）FAB的概率p< ,则拒绝原假设，即认为控制变量A、B的交互作用对观测变量产生了显著影响，然后再依此对A、B的效应进行检验
多因素方差分析的基本操作
分析
一般线性模型
单变量
，所以拒绝原假设，即认为线性模型对观测变量有一定的解释作用
后面的几个概率中，，，说明除了交互作用差异不显著外，其它的都显著
多因素方差分析的进一步分析
两因素的非饱和模型：SST=SSA+SSB+SSE
三因素的非饱和模型：SST=SSA+SSB+SSC+SSABC+SSE
多因素方差分析的非饱和模型
多因素方差分析的其他功能
均值检验
模型分析
多因素方差分析的进一步分析的操作
建立
非饱和模型
均值比较的操作
练****br/>某教学实验中，采用不同的教学方法和不同的教材进行教学实验，获得一系列数据，现在分析不同教学方法和不同教材对教改成绩的影响，。要求：进行均值的多重比较，方法选用LSD法，得出教改成绩多因素方差分析的饱和模型表和非饱和模型表，并得出教学方法和教材的交互作用图。
第四节协方差分析
问题引出：
在分析不同的饲料对生猪增重是否产生显著差异时，如果仅仅是分析饲料的作用，即用单因素方差分析来进行，而不考虑生猪自身各自不同的身体条件（比如猪最初时的体重）时，得出的结论很可能是片面的，不准确的。这时，如何才能准确地反映不同饲料对生猪体重的影响呢？
协方差分析的基本思路
协方差分析的数学模型
协方差分析的基本操作
协方差分析的应用举例
本节主要内容
协方差分析的基本思路
基本概念
协方差分析是指将那些很难人为控制的控制因素作为协变量，并在排除协变量对观测变量影响的条件下，分析控制变量对观测变量的作用，从而更加准确地对控制变量进行评价。
基本同方差分析的基本思想，除此之外，考虑了协变