s协方差分析.pptVIP

第十章 协方差分析 Analysis of Covariance 第一节　前言 协方差分析的应用 三种日粮，增重与试验开始时体重有关 连续变量：初试体重，叫做协变量covariate。 不同组的初试体重经过校正后，使不同组在同一水平上比较，使比较的精度提高。即使3组试验猪的平均体重相同，引入协变量可以使残差变小，统计效率提高 分类变量：日粮种类 概念 回归分析、相关分析 线性模型：依变量是自变量和随机误差的线性函数 回归分析：自变量为连续变量 方差分析：自变量为不连续变量 协方差分析analysis of covariance 如果线性模型中的自变量包括包括分类变量和连续变量，则相应的分析称为协方差分析 连续自变量称为协变量covariate 协方差covariance 对于样本含量为n的数据对(x1,y1), (x2,y2), …, (xn,yn), 样本协方差等于 概念: 协方差分析的作用 试验控制：指对处理以外的因素进行严格控制，使它们在各处理间保持一致，以保证试验的精确性和准确性 统计控制：指对处理以外的因素进行统计处理，使其在各处理间保持一致，以保证统计结果的正确性 为试验控制的辅助手段 可以减少试验误差 第二节 单因素协方差分析 数据分布 模型 例 数据集 SAS过程 F检验：注意两类SS不同和自由度 协方差分析表 多重比较 * * 当X和Y协方差不等于0,而X之间相互独立时，进行协方差分析 yk. yk. ykn … yk2 yk1 y y2. y2. y2n … y22 y21 y y1. y1. y1n … y12 y11 y xk. … x2. x1. 平均数 xk. … x2. x1. 总和 xkn … x2n x1n j=1,…n … … … … i=1,…k xk2 … x22 x12 xij,yij xk1 … x21 x11 观测值 x … x x 观测指标 处理k … 处理2 处理1 处理 ?：截矩 ；ai：第 i 组的效应；b：回归系数；xij：协变量 数学模型: 假设： 1、协变量的效应是固定的，与处理无关 2、残差效应独立同分布 3、残差服从正态分布 效应的比较实际上是比较回归的截距差异或者经过校正后 y 值平均的差异． 11.15 1.15 12.07 1.30 10.84 1.28 11.82 1.52 Mean 133.8 13.85 144.8 15.65 130.1 15.40 171.8 18.25 Sum 11.00 1.10 12.80 1.30 9.30 1.20 12.50 1.70 12 11.20 1.05 12.00 1.25 12.20 1.35 12.60 1.60 11 12.40 1.20 13.20 1.45 8.50 1.15 11.60 1.50 10 9.60 1.10 12.30 1.40 11.60 1.35 11.20 1.40 9 9.30 1.15 14.80 1.70 10.90 1.30 13.40 1.55 8 12.80 1.35 13.00 1.30 12.80 1.15 12.50 1.50 7 13.90 1.45 13.50 1.45 11.40 1.30 11.80 1.45 6 9.20 1.00 13.00 1.40 11.30 1.40 11.00 1.40 5 10.60 1.10 9.20 1.05 10.30 1.20 10.00 1.45 4 11.60 1.15 10.40 1.10 12.20 1.45 10.80 1.35 3 9.80 1.00 10.60 1.10 9.40 1.20 12.00 1.85 2 12.40 1.20 10.00 1.15 10.20 1.35 12.40 1.50 1 50天重 初重 50天重 初重 50天重 初重 50天重 初重 指标 配方3 配方2 配方1 对照 处理 37.468 43 误差 54.65** 47.615 47.615 1 协变量 7.82** 6.812 21.435 3 组间 F值 均方 平方和 自由度 变异 * * *