单因子方差分析课程设计2剖析.docx

《数据分析》课程设计作业

单因子方差分析理论在实际中的运用研究
——地区差别对高校教师收入的影响及性别不同对工人收入的影响

姓名江书雄学号1011010206班级信科10-02

评分项目简单评语量化分数题目的难易程度基础知识的理解数据处理程序作业的独立性作业的规范性总评成绩单因子方差分析理论在实际中的运用研究——地区差别对高校教师收入的影响及性别不同对工人收入的影响
姓名：江书雄信息与计算科学10级02班

摘要本文工作的目的是分析研究确定地区的差别对高校教师收入是否有显著影响以及性别的不同对工人的工资是否有显著的影响。本文对4个地区10位高校教师的年收入数据和某种职业工作人员的工资数据进行单因子方差分析。单因子方差分析结果表明地区的差别对高校教师收入有显著的影响及性别的不同对工人工资有显著的影响。关键词单因子方差分析；多重比较；效应估计；高校教师工资；工人工资
0前言
众所周知，中国教育事业的不断发展离不开高校教师的辛勤奉献，但不同地区高校教师的收入水平却不不一样的。同样学历的两位教师在参加工作后收入却相差太多势必将引起低收入教师对中国教育中分配制度的不满，进而可能出现教师消极教学，低收入教师放弃教学生涯，及教育人才流失等等后果。因此对影响高校教师收入因素进行研究对我国建立一支相对稳定、高素质的师资队伍,具有重要意义。本文主要分析地区不同对高校教师收入的额影响。同时，在经济飞速发展的现代，大多数中国都属于工薪阶层，对他们的工资的影响因素的研究也具有重要的意义，本文主要讨论性别不同对工人工资的影响。本文的研究对后续对高校教师收入的研究和工人工资水平的研究具有重要的意义。
1单因子方差分析的数学模型及其检验统计量的构造
1.1单因子方差分析的数学模型建立
单因子实验中，设因子A有r个处理A1,A2 ，…，，对变量X的所有n次观测划分为r个不同的类别，记第i个类别为

={，，…，}，=，i=1,2,…,r.=n,

:vs:存在ij,使
约定检验的理论假设为
=+,其中随机误差~N(0,)切相互独立，i=1,2,…,r,j=1,2,…,n
为了便于讨论，现在引入总平均μ

再引入水平的效应

显然有，表示水平下的总体平均值与总平均的差异。
利用这些记号，本例的假设就等价于假设

不全为零
因此，单因素方差分析的任务就是检验”个总体的均值是否相等，也就等价于检验各水平的效应是否都等于零。

1.2对单因子方差分析模型要检验的假设构造统计量
各水平的均值：=
全部观察值的总均值：=
总偏差平方和：SST=
随机误差平方和：
因子偏差平方和：

方差分析检验统计量的构造由下列的定理支撑。
平方和定理：SST=SSE+SSA,且SSE与SSA相互独立
随机误差平方和分布定理：,=n-r;
因子偏差平方和分布定理：在单因子方差分析模型中，当原假设成立时，有

由以上三个定理知统计量

1.3效应估计
由模型假设，且相互独立，，所以又由，与SSE独立
可得，所以的置信区间为，其中，
同理理论总均值的极大似然估计，第类的效应的极大似然估计

2实例应用一——地区差别对高校教师收入的影响
2.1实例描述
下表为4个地区10位高校教师的年收入（表23）：
地区收入（万元）华北6.094.596.216.666.806.504.946.236.265.72中南5.083.964.424.005.394.546.114.233.843.83西北4.954.233.554.915.674.145.134.944.215.57华东6.595.864.935.294.855.295.244.814.654.59

2.2数据的模型适应性分析
(1)对因子的各个变量的正态性进行检验(Q-Q图)
图2.1对因子的各个变量的正态性进行检验的Q-Q图

由图2.1可知因子的各个变量的分布形态一致，都服从正态分布.
(2）对因子的各个变量的方差齐性进行检验
用Bartlett检验法（MATLAB函数见附录A）检验结果如下：
表2.2因子的各个变量的方差齐性检验结果
变量
检验结果A1A2A3A41.17211.30291.03380.8517B8.1476p0.0431结论：由于p值均小于0.05，所以不能拒绝，认为因子各水平的方差相等
（3）对变量间的独立性进行检验
由数据来源与采样过程分析可假定独立性条件满足
2.3单因子方差分析
【表2.3】
偏差来源偏差平方和自由度F值检验的p值总偏差平方和30.151600398.7446110.000173因子偏差平方和12.71000036随机误差平方和17.4416003
由于检验的p值非常小，小于常用的显著性水平，因此拒绝H0，即地区的差别对高校教师收入有显著的影响，同时这个结论