Использование дисперсионного анализа при факторном исследовании экономических явлений и процессов

Таким образом, результативные показатели могут быть разложены на составные элементы (факторы) различными способами и представлены в виде различных типов детерминированных моделей. Выбор способа моделирования зависит от объекта исследования, поставленной цели, а также от профессиональных знаний и навыков исследователя.

 

2 Дисперсионный анализ

 

2.1  Основные понятия  дисперсионного анализа

 

 

В процессе наблюдения за исследуемым объектом качественные факторы произвольно или заданным образом изменяются. Конкретная реализация фактора (например, определенный температурный режим, выбранное оборудование или материал) называется уровнем фактора или способом обработки. Модель дисперсионного анализа с фиксированными уровнями факторов называют моделью I, модель со случайными факторами - моделью II. Благодаря варьированию фактора  можно  исследовать  его  влияние  на величину отклика. 

В зависимости от количества факторов, определяющих вариацию результативного признака, дисперсионный анализ подразделяют на однофакторный и многофакторный.

Основными схемами организации исходных данных с двумя и более факторами являются:

- перекрестная классификация, характерная для моделей I, в которых каждый уровень одного фактора сочетается при планировании эксперимента с каждой градацией другого фактора;

- иерархическая (гнездовая) классификация, характерная для модели II, в которой каждому случайному, наудачу выбранному значению одного фактора соответствует свое подмножество значений второго фактора.

Если одновременно исследуется зависимость отклика от качественных и количественных факторов, т.е. факторов смешанной природы, то используется ковариационный анализ [5].

При обработке данных эксперимента наиболее разработанными и поэтому распространенными считаются две модели. Их различие обусловлено спецификой планирования самого эксперимента. В модели дисперсионного анализа с фиксированными эффектами исследователь намеренно устанавливает строго определенные уровни изучаемого фактора. Термин «фиксированный эффект» в данном контексте имеет тот смысл, что самим исследователем фиксируется количество уровней фактора и различия между ними. При повторении эксперимента он или другой исследователь выберет те же самые уровни фактора. В модели со случайными эффектами уровни значения фактора выбираются исследователем случайно из широкого диапазона значений фактора, и при повторных экспериментах, естественно, этот диапазон будет другим.

Таким образом, данные модели отличаются между собой способом выбора уровней фактора, что, очевидно, в первую очередь влияет на возможность обобщения полученных экспериментальных результатов. Для дисперсионного анализа однофакторных экспериментов различие этих двух моделей не столь существенно, однако в многофакторном дисперсионном анализе оно может оказаться весьма важным.

При проведении дисперсионного анализа должны выполняться следующие статистические допущения: независимо от уровня фактора величины отклика имеют нормальный закон распределения и одинаковую дисперсию. Такое равенство дисперсий называется гомогенностью. Таким образом, изменение способа обработки сказывается лишь на положении случайной величины отклика, которое характеризуется средним значением или медианой.

Говорят, что техника дисперсионного анализа является "робастной". Этот термин, используемый статистиками, означает, что данные допущения могут быть в некоторой степени нарушены, но несмотря на это, технику можно использовать.

При неизвестном законе распределения величин отклика используют непараметрические (чаще всего ранговые) методы анализа.

В основе дисперсионного анализа лежит разделение дисперсии на части или компоненты. Вариацию, обусловленную влиянием фактора, положенного в основу группировки, характеризует межгрупповая дисперсия σ2. Она является мерой вариации частных средних по группам вокруг общей средней и определяется по формуле 2.1:

 

,      (2.1)

где   k -  число групп;

nj - число единиц в j-ой группе;

- частная средняя по j-ой группе;

- общая средняя по совокупности  единиц.

Вариацию, обусловленную влиянием прочих факторов, характеризует в каждой группе внутригрупповая дисперсия σj2 (формула 2.2).

 

.     (2.2)

 

Между общей дисперсией σ02, внутригрупповой дисперсией σ2 и межгрупповой дисперсией  существует соотношение 2.3:

 

σ02 =  + σ2.     (2.3)

 

Внутригрупповая дисперсия объясняет влияние неучтенных при группировке факторов, а межгрупповая дисперсия объясняет влияние факторов группировки на среднее значение по группе [3].

2.2  Однофакторный дисперсионный анализ

 

Однофакторная дисперсионная модель имеет вид 2.4:

 

xij = μ + Fj + εij,             (2.4)

 

где  хij – значение исследуемой переменой, полученной на i-м уровне фактора (i=1,2,...,т) c j-м порядковым номером (j=1,2,...,n);

Fi – эффект, обусловленный влиянием i-го уровня фактора;

εij – случайная компонента, или возмущение, вызванное влиянием неконтролируемых факторов, т.е. вариацией переменой внутри отдельного уровня.

Основные предпосылки дисперсионного анализа [5]:

-    математическое ожидание возмущения εij равно нулю для любых i,  т.е.

 

M(εij) = 0;             (2.5)

 

-     возмущения εij взаимно независимы;

- дисперсия переменной  xij (или возмущения εij) постоянна для 
любых i, j, т.е.

 

            D(εij) = σ2;                       (2.6)

 

- переменная xij (или возмущение εij) имеет нормальный закон 
распределения N(0;σ2).

Влияние уровней фактора может быть как фиксированным или систематическим (модель I), так и случайным (модель II).

Пусть, например, необходимо выяснить, имеются ли существенные различия между партиями изделий по некоторому показателю качества, т.е. проверить влияние на качество одного фактора - партии изделий. Если включить в исследование все партии сырья, то влияние уровня такого фактора систематическое (модель I), а полученные выводы применимы только к тем отдельным партиям, которые привлекались при исследовании. Если же включить только отобранную случайно часть партий, то влияние фактора случайное (модель II). В многофакторных комплексах возможна смешанная модель III, в которой одни факторы имеют случайные уровни, а другие – фиксированные.

Пусть имеется m партий изделий. Из каждой партии отобрано соответственно  n1, n2, …, nm  изделий  (для простоты полагается, что n1=n2=...=nm=n). Значения показателя качества этих изделий представлены в матрице наблюдений:

 

(i = 1,2, …, m; j = 1,2, …, n).

 

Если полагать, что элементы строк матрицы наблюдений – это численные значения случайных величин Х1,Х2,...,Хm, выражающих качество изделий и имеющих нормальный закон распределения с математическими ожиданиями соответственно a1,а2,...,аm и одинаковыми дисперсиями σ2, то данная задача сводится к проверке нулевой гипотезы Н0: a1=a2 =...= аm, осуществляемой в дисперсионном анализе.

Усреднение по какому-либо индексу обозначено звездочкой (или точкой) вместо индекса, тогда средний показатель качества изделий i-й партии, или групповая средняя для i-го уровня фактора, примет вид:

 

                                                     ,          (2.6)

 

где  i* – среднее значение по столбцам;

ij – элемент матрицы наблюдений; 

n  – объем выборки.

А общая средняя:

        .                   (2.7)

 

Сумма квадратов отклонений наблюдений хij от общей средней ** выглядит так:

 

2= 2+ 2+

+2 2.         (2.8)

 

или

 

Q = Q1 + Q2 + Q3.

 

Последнее слагаемое равно нулю

               =0.      (2.9)

 

так как сумма отклонений значений переменной от ее средней равна нулю, т.е.

 

2=0.

 

Первое слагаемое можно записать в виде:

 

 

В результате получается тождество:

 

                                                        Q = Q1 + Q2,          (2.10)

где - общая, или полная, сумма квадратов отклонений;

- сумма квадратов отклонений групповых средних от общей средней, или межгрупповая (факторная) сумма квадратов отклонений;

- сумма квадратов отклонений наблюдений от групповых средних, или  внутригрупповая (остаточная) сумма квадратов отклонений.

В разложении (2.10) заключена основная идея дисперсионного анализа. Применительно к рассматриваемой задаче равенство (2.10) показывает, что общая вариация показателя качества, измеренная суммой Q, складывается из двух компонент – Q1 и Q2, характеризующих изменчивость этого показателя между партиями (Q1) и изменчивость внутри партий (Q2), характеризующих одинаковую для всех партий вариацию под воздействием неучтенных факторов.

В дисперсионном  анализе  анализируются  не  сами   суммы квадратов отклонений, а так называемые  средние квадраты, являющиеся  несмещенными оценками соответствующих дисперсий, которые получаются делением сумм квадратов отклонений на соответствующее число степеней свободы [3].

Число степеней свободы определяется как общее число наблюдений минус число связывающих их уравнений. Поэтому для среднего квадрата  s12, являющегося несмещенной оценкой межгрупповой дисперсии, число степеней свободы k1=m-1, так как при его расчете используются m групповых средних, связанных между собой одним уравнением (2.7). А для среднего квадрата s22, являющегося несмещенной оценкой внутригрупповой дисперсии, число степеней свободы k2=mn-m, т.к. при ее расчете используются все mn наблюдений, связанных между собой m уравнениями (2.6).

Таким образом:

 

= Q1/(m-1),

= Q2/(mn-m).

Если найти математические ожидания средних квадратов  и , подставить в их формулы выражение xij (2.4) через параметры модели, то получится:

 

                                                                      (2.11)

 

т.к. с учетом свойств математического ожидания

 

 а

                     (2.12)

 

Для модели I с фиксированными уровнями фактора Fi(i=1,2,...,m) – величины неслучайные, поэтому

 

M(S ) = 2 /(m-1) +σ2.

 

Гипотеза H0 примет вид Fi = F*(i = 1,2,...,m), т.е. влияние всех уровней фактора одно и то же. В случае справедливости этой гипотезы

 

M(S )= M(S )= σ2.

 

Для случайной модели II слагаемое Fi в выражении (2.4) – величина случайная. Обозначая ее дисперсией

 

 

получим из (2.11)

                                                              (2.13)

 

и, как и в модели I M(S )= σ2.

 

В таблице 2.1 представлен общий вид вычисления значений, с помощью дисперсионного анализа.

 

Таблица 2.1 – Базовая таблица дисперсионного анализа

Компоненты дисперсии	Сумма квадратов	Число степеней свободы	Средний  квадрат	Математическое ожидание среднего квадрата
Межгрупповая		m-1	= Q1/(m-1)
Внутригрупповая		mn-m	= Q2/(mn-m)	M(S )= σ2
Общая		mn-1

Примечание – Источник: [5]

 

Гипотеза H0 примет вид σF2 =0. В случае справедливости этой гипотезы

 

M(S )= M(S )= σ2.

 

В случае однофакторного комплекса как для модели I, так и модели II средние квадраты S2 и S2, являются несмещенными и независимыми оценками одной и той же дисперсии σ2.

Следовательно, проверка нулевой гипотезы H0 свелась к проверке  существенности  различия несмещенных выборочных оценок S и S дисперсии σ2.

Гипотеза H0 отвергается, если фактически вычисленное значение статистики F = S /S больше критического Fα:K1:K2, определенного на уровне значимости α при числе степеней свободы k1=m-1 и k2=mn-m, и принимается, если F < Fα:K1:K2 .

F- распределение Фишера (для x > 0) имеет следующую функцию плотности (для  = 1, 2, ...; = 1, 2, ...):

 

 

где - степени свободы;

Г   - гамма-функция. 

Применительно к данной задаче опровержение гипотезы H0 означает наличие существенных различий в качестве изделий различных партий на рассматриваемом уровне значимости.

Для вычисления сумм квадратов Q1, Q2, Q часто бывает удобно использовать следующие формулы: