试验设计数据的方差分析和一般线性模型.pptVIP

试验设计数据的方差分析 和一般线性模型 吴喜之 试验设计 在几乎所有领域都有各种试验。比如 如何对不同的土壤、气候等各种条件找出最合适的作物，使得收益最大 如何使得工业产品优质、价廉 什么环境下，儿童才能在心理上健康成长 企业采取的什么主动措施能够增加收益 试验设计模型就是回归模型 在水产养殖业中，比如养蟹，因变量是产量，自变量是水温，饲料，疾病等。 描述试验设计的模型就是回归模型的一种 但试验设计问题本身有很大一部分是如何设计试验，使得人们有可能用最少的资源得到最好的结果。 当然，我们不打算详细讨论如何设计试验，而把主要精力放在试验设计数据的方差分析上。 方差分析 方差分析（analysis of variance，ANOVA）是分析各个自变量对因变量影响的一种方法。 这里的自变量就是定性变量的因子及可能出现的称为协变量（covariate）的定量变量。 分析结果是由一个方差分析表给出的。 方差分析分解因素贡献的机理 原理为：因变量的值随着自变量的不同取值而变化。我们把总变化(差的平方和)按照自变量(因素)进行分解，显示每一个自变量的贡献；最后剩下无法用已知的因素解释的则看成随机误差的贡献。 然后用各自变量的贡献和随机误差的贡献进行比较（F检验），以判断该自变量的不同水平是否对因变量的变化有显著贡献。输出就是F-值和检验的一些p-值。 下面看一个例子。 单因素方差分析回顾(