Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

习题 3.17:车型与租期

习题与答案 / 第 3 章 单因子试验与方差分析

第 9 版 · 第 3 章 · 原书章末习题见印刷页 125~134。

题目

一家租车公司希望研究所租车辆的类型是否会影响租赁期限。在某一营业地点实施为期一周的研究,每种车型随机选取 10 份租赁合同。第 1~4 组分别为微型车、小型车、中型车和全尺寸车,租期观测如下。

组别/处理条件观测值(同一行属于同一组)
微型车3,5,3,7,6,5,3,2,1,6
小型车1,3,4,7,5,6,3,2,1,7
中型车4,1,3,5,7,1,2,4,2,7
全尺寸车3,5,7,5,10,3,4,7,2,7

(a) 是否有证据支持车型影响租赁合同期限的主张?取 α=0.05\alpha=0.05。如果有,哪些车型造成了差异?

(b) 分析试验残差,并评价模型适合性。

(c) 注意本题的响应是计数。这是否会引起对 ANOVA 有效性的潜在疑虑?

答案与解析

(a)车型与平均租期

模型与模型假设(固定效应):yij=μi+ϵij=μ+τi+ϵijy_{ij}=\mu_i+\epsilon_{ij}=\mu+\tau_i+\epsilon_{ij},i=1,…,ai=1,\ldots,a,j=1,…,nij=1,\ldots,n_i;ϵij∼iidN(0,σ2)\epsilon_{ij}\overset{\mathrm{iid}}\sim N(0,\sigma^2)。误差独立、正态且同方差,处理分配及抽样符合题意;不平衡设计使用实际 nin_i。取 ∑iniτi=0\sum_i n_i\tau_i=0 识别参数;平衡时等价于 ∑iτi=0\sum_i\tau_i=0。

原假设和备择假设:H0:μ1=⋯=μaH_0:\mu_1=\cdots=\mu_a;H1H_1:至少一个总体均值不同。

平方和公式与检验统计量:令 N=∑iniN=\sum_i n_i,yˉi=∑jyij/ni\bar y_i=\sum_jy_{ij}/n_i,yˉ⋅⋅=∑i∑jyij/N\bar y_{\cdot\cdot}=\sum_i\sum_jy_{ij}/N。

SSA=∑ini(yˉi−yˉ⋅⋅)2,SSE=∑i∑j(yij−yˉi)2,SS_A=\sum_i n_i(\bar y_i-\bar y_{\cdot\cdot})^2,\qquad SS_E=\sum_i\sum_j(y_{ij}-\bar y_i)^2,
SST=∑i∑j(yij−yˉ⋅⋅)2=SSA+SSE,SS_T=\sum_i\sum_j(y_{ij}-\bar y_{\cdot\cdot})^2=SS_A+SS_E,
MSA=SSAa−1,MSE=SSEN−a,F0=MSAMSE∼H0Fa−1,N−a.MS_A=\frac{SS_A}{a-1},\quad MS_E=\frac{SS_E}{N-a},\quad F_0=\frac{MS_A}{MS_E}\overset{H_0}{\sim}F_{a-1,N-a}.

当 F0>F1−α,a−1,N−aF_0>F_{1-\alpha,a-1,N-a} 时拒绝 H0H_0,P=P(Fa−1,N−a≥F0)P=P(F_{a-1,N-a}\ge F_0)。本文分位数均为下侧累积概率分位数。

点估计量:μ^i=yˉi\hat\mu_i=\bar y_i,σ^2=MSE\hat\sigma^2=MS_E;各组样本方差为 si2=∑j(yij−yˉi)2/(ni−1)s_i^2=\sum_j(y_{ij}-\bar y_i)^2/(n_i-1)。以下为 ANOVA Table 与计算结果。

来源自由度平方和均方FFPP 值
处理316.6755.558331.109820.357824
误差36180.35.00833——
总计39196.975———
组别样本量均值样本标准差
1104.11.96921
2103.92.28279
3103.62.22111
4105.32.45176

P>0.05P>0.05,未发现车型均值有显著差异,不应继续从未预设的两两比较中挑选显著车型。

(b)残差分析

残差定义:y^ij=yˉi\hat y_{ij}=\bar y_i,eij=yij−yˉie_{ij}=y_{ij}-\bar y_i。变换分析时使用相应变换尺度的响应。

习题 3.17:观测值、残差 Q–Q 图、残差记录顺序图、残差 vs 拟合值图(raw)

三项诊断:Q–Q 图用于检查尾部、偏态及异常残差;残差记录顺序图用于展示原表记录的相邻变化;残差 vs 拟合值图用于观察方差是否随处理均值变化。

时序资料的限制:原题只提供分组观测,没有实际运行时间和随机运行次序。左下图按原表组内记录顺序排列,虚线表示组界,不是实际残差时序图;组界附近的变化不能解释为时间效应。若要完成真正的时序诊断,须取得原始运行顺序后按该顺序重画。当前不能仅凭此图断言误差在时间上独立。单样本或配对差的拟合值为常数时,残差 vs 拟合值图也不能检验复杂均值结构。

残差离散且有若干重复值,各组散布总体接近;对正态性的判断只能是近似。合同的实际时间顺序没有提供。

(c)计数响应的影响

租期为正整数,连续正态误差只是近似。如果均值与方差有关、存在强偏态或过度离散,可采用适当计数模型作敏感性分析。随机抽取合同不等于随机分配车型,还可能存在客户选择车型等混杂。


答案来源:参考:ch03.pdf,原题 3.15;本页按第 9 版编号。

← 上一题 3.16 · 本章题目目录 · 下一题 3.18 →