Excel数据处理与分析 教学课件 作者 郑丽敏 第10章_2.pptVIP

10.5 方 差 分 析 10.5.2 单因素方差分析 解：（2）对亚组×观测值表（如图10-27所示）进行单因素方差分析：单击“数据”选项卡，单击“分析”框中的“数据分析”按钮，选择“方差分析：单因素方差分析”。即可见到单因素方差的参数设置窗口，如图10-29所示。 输入区域选择单元格A1到I5，这样选择时需要将“标志位于第一行”勾选。也可以选择A2到I5，这样选择时不能勾选“标志位于第一行”。两种选择方法不会影响到数据的运算。区别仅在于最后每组的SUMMARY输出表中的组名。如果输入区域选择了组名，输出的组名就是所选择的组名，否则Excel会用“列1”、“列2”这样的组名代替。分组方式指明了每组数据是在一列中还是在一行中。这里我们选择“列”。 有三种输出方式，第一种方式是输出在同一个工作簿的同一张工作表中；第二种方式是输出在同一个工作簿的新建的工作表中；第三种方式是输出在新建的工作簿中。这里我们选择第一种方式，选择从单元格A7开始输出数据。 单击“确定”之后就可以得到计算结果，如图10-30所示。F＞F0.05，说明不同盆栽处理差异达到极显著水平。 这个结果中的“组内”即实验误差，而“组间”涵盖了实际的组间与亚组间两项变异。 图10-29 单因素方差分析的参数设置 图10-30 对亚组×观测值表进行单 因素方差分析的结果 10.5 方 差 分 析 10.5.2 单因素方差分析 解：（3）对组×观测值二向表进行数据分析：方法与步骤（2）基本相同。得到的结果如图10-31所示。结果中的组间就是实际的组间变异。而F＞F0.05，说明不同培养液的株高差异达到显著水平。 （4）亚组间平方和与自由度的分解：在步骤（3）的组间后面插入两行差异源的名称分别是“亚组间”和“误差”。将步骤（2）所得结果的组内数据复制到“误差”的相应位置。“亚组间”的平方和及自由度是步骤（2）、（3）所得结果对应位置的差。进而可以求出均方差。 （5）F测验的重新计算：对结果进一步分析可以看出F值都是以单次方差分析的误差均方差为被除数。计算后得到方差分析的最终结果，如图10-32所示。 结论：从图10-32中看，因组间F=23.78＞F0.01，说明不同培养液处理株高差异达到极显著水平。但亚组间F=3.22F0.05，说明不同处理不同盆之间也差异显著 图10-31 对组×观测值进行单因素方差分析的结果 图10-30 对亚组×观测值表进行单 因素方差分析的结果 10.5 方 差 分 析 10.5.2 单因素方差分析 2．单因素方差分析举例 【例10-34】以3种培养液ABC培养某种作物，每种培养液养3盆，每盆种植4株，全部试验的9个花盆完全随机排列，其他管理条件完全相同。1个月后测定株高生长量（mm），每盆测定5株，得表10-9资料，试做方差分析。 70 65 85 55 50 45 50 35 35 70 85 90 60 60 50 40 30 45 65 70 65 45 55 45 45 35 50 70 65 85 55 55 50 40 35 55 生长量（mm） C3 C2 C1 B3 B2 B1 A3 A2 A1 盆号（亚组） C B A 培养液（组） 表10-9 植物培养数据 10.5 方 差 分 析 10.5.3 无重复双因素方差分析 1．无重复双因素方差分析基本原理 无重复双因素分析（No repeat two-way ANOVA）是基本的双因素方差分析，不考虑两个因素之间的相互影响。 2．无重复双因素方差分析案例 【例10-35】 10.5 方 差 分 析 10.5.3 无重复双因素方差分析 【例10-35】有四个品牌的空调在五个地区销售，为分析空调的品牌（因素A）和销售地区（因素B）对销售量是否有影响，对每个品牌在各地区的销售量取得以下数据，如表10-12所示。试分析品牌和销售地区对空调的销售量是否有显著影响？ 323 333 308 298 340 330 343 260 343 363 353 298 350 368 323 280 365 345 358 288 A1 A2 A3 A4 B5 B4 B3 B2 B1 销售地区（因素B） 品牌 （因素A） 表10-12 不同品牌的空调在各地区的销售量数据 10.5 方 差 分 析 10.5.3 无重复双因素方差分析 解：对因素A提出的假设为 H0: m1=m2=m3=m4（品牌对销售量没有影响，设各品牌销量平均数为 m1,m2,m3,m4） H