方差分析的基本原理.ppt

第 9 讲方差分析 第一节 引言 K个样本 样本数超过2个后，利用 t 检验的缺点 烦琐，k(k – 1)/2次 t 检验 每对检验的标准误不同，I 类错误增大 没有考虑平均数的秩次，I 类错误增大 如3个样本， P(Type I error)=1 – (1 – a)k P(Type I error)=1 – (0.95)3= 1 – 0.86 =0.14 结论：不能利用 t 检验 概念 方差分析(Analysis of variance) 把k个总体当作一个整体看待 把观察值的总变异的平方和及自由度分解为不同来源的平方和及自由度 计算不同方差估计值的比值 检验各样本所属的平均数是否相等 实际上是观察值变异原因的数量分析 概念 试验指标(Experimental index)：试验测定的项目或者性状。 日增重、产仔数、瘦肉率 试验因素(Experimental factor)：影响试验指标的因素。 温度、营养水平 单因素试验：只有一个因素的试验 多因素试验：有多个因素 概念 因素水平(Level of factor)：试验因素所处的特定状态或者数量等级。简称水平 如日粮中粗蛋白质含量 试验处理(Treatment)：实施在试验单位上的具体项目。简称处理。 单因素：试验因素的一个水平 多因素：试验因素的一个水平组合 概念 试验单位(Experimental unit)：试验载体 1只家禽、1只鱼 几只家禽、几只鱼 观测数据的单位 重复(Repetition) 一个处理实施在两个或者两个以上的试验单位上，称为处理有重复。 试验单位数称为处理的重复数 第二节 基本原理 单因素分类资料的方差分析 一、各水平 样本含量相等 例1 某水产研究所比较四种饲料对鱼的饲喂效果 数据布局 data layout 数学模型： 假设 H0：?1 = ?2 = … = ?n HA: 至少有一对 ? 不相等 平均数 总平方和 sum of squares 总平方和 总平方和(Total sum of squares, SSTotal) 观察值同总体平均数的离差可以剖分成与处理平均与总体平均的差和观察值与处理平均的差 总平方和及自由度的剖分 F检验 SSTRT/?2~?2(k – 1) SSRES/?2~?2(n – k) MSTRT = SSTRT/(k – 1) MSRES = SSRES/(n – k) F = MSTRT/MSRES ~ F(k – 1, n – k) 期望均方 F检验 F检验：利用F值出现概率的大小推断两个总体方差是否相等的方法 目的：推断处理间的差异是否存在，检验某项变异因素的效应方差是否为零 在计算F 值时总是以被检验因素的均方作分子，以误差均方作分母 分子、分母的选择是由模型和各项变异原因的期望均方决定的 ANOVA分析中的F检验总是单尾检验,而且为右尾检验 如何理解 如果H0是正确的，那么MSTRT与MSRES都是总体误差?2的估计值，理论上讲F值等于1；如果H0是不正确的，那么 ，理论上讲 F 值就必大于1。但是由于抽样的原因，即使H0正确，F值也会出现大于1的情况。 只有F值大于1达到一定程度时，才有理由否定H0 平方和的计算公式 例：ANOVA表 多重比较 多重比较 F检验否定H0, 不表明任意两个平均数间都存在显著差异 功能：发现哪两个平均数间存在显著差异 Mean separation technique or multiple comparisons 常用方法 最小显著差数法LSD(lest significant difference) 最小显著极差法LSR(lest significant ranges)：q法和DUNCAN LSD法 LSD法的基本原理： 例 多重比较：LSD LSD 说明 实质上是 t 检验，但统一了标准误 简单、灵敏（降低了检验标准、夸大了差异的显著性） I 类错误概率增大, 控制单次比较的I类错误(comparisonwise error rate)时应用 无法控制所有比较的总体 I 类错误(experimentwise error rate) LSR 把平均数的差异看成是平均数的极差(range) 根据极差范围内所包括的处理数（称为秩次距）k的不同，而采用不同的检验尺度叫做 最小显著极差LSR 说明 I类错误下降、工作量加大 把每个处理的样本数看成相同，如果不同，则需要校正 q检验法 此法是以统计量q的概率分布为基础的。q值由下式求得 q检验步骤 列出平均数多重比较表； 由自由度dfRES、秩次距k查临界q值，计算最小显著极差LSR0.05,k，LSR0.01,k； 将平均数多重比较表中的各极差与相应的最小显著极差LSR0.05,k, LSR0.01,k比较