方差分析-ljt资料祥解.ppt

第6章 方差分析 本章内容 方差分析的概念 方差分析的过程 单因素方差分析 方差分析的概念 在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。通常是比较不同实验条件下样本均值间的差异。 方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如： 医学界研究几种药物对某种疾病的疗效； 农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响 不同饲料对牲畜体重增长的效果等 都可以使用方差分析方法去解决 方差分析基本原理 认为不同处理组的均值间的差别基本来源有两个: 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSw，组内自由度dfw 实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和表示，记作SSb，组间自由度dfb 总偏差平方和SSt 、 SSb 、 SSw的公式 方差分析基本原理（续） 组内SSw 、组间SSb除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MSw和MSb，一种情况是处理没有作用，即各组样本均来自同一总体， MSb/MSw≈1。另一种情况是处理确实有作用，那么， MSbMSw (远远大于)。 MSb/MSw比值构成F分布，用F值与其临界值比较，推断各样本是否来自相同的总体. 方差分析的假设检验 零假设H0：m组样本均值都相同，即μ1= μ2=....= μm 如果经过计算结果组间均方远远大于组内均方（ MSb MSw ），F F0.05(dfb,dfw)，p 0.05，拒绝零假设， 说明样本来自不同的正态总体，说明处理造成均值的差异有统计意义；否则， F F0.05((dfb,dfw), p 0.05不能拒绝零假设，说明样本来自相同的正态总体，处理间无差异。 方差分析中的术语 因素与处理：因素是影响因变量变化的客观条件；处理是影响因变量变化的人为条件。也可通称为因素。用分类变量表示，取有限的离散值。 水平：因素的不同等级称作水平。水平值取有限的离散值。如：性别中的0，1（男、女）等。 单元(cell)：指各因素的水平之间的每个组合。如性别(0，1)和年龄(10，11，12)的六种组合。 方差分析过程 1、One-Way过程：单因素简单方差分析过程。在Compare Means菜单项中，可以进行单因素方差分析、均值多重比较和相对比较。 2、General Linear Model(简称GLM)过程：GLM过程由Analyze菜单直接调用。这些过程可以完成简单的多因素方差分析和协方差分析，不但可以分析各因素的主效应，还可以分析各因素间的交互效应。 单因素方差分析 也称有一维方差分析，对二组以上的均值加以比较。 检验由单一因素影响的一个（或几个相互独立的）分析变量由因素各水平分组的均值之间的差异是否有统计意义。 并可以进行两两组间均值的比较，称作组间均值的多重比较，还可以对该因素的若干水平分组中哪些组均值不具有显著性差异进行分析，即一致性子集检验。 单因素方差分析 One-Way ANOVA过程要求： 因（分析）变量属于正态分布总体，若因（分析）变量的分布明显的是非正态，应该用非参数分析过程。 对被观测对象的实验不是随机分组的，而是进行的重复测量形成几个彼此不独立的变量，应该用Repeated Measure菜单项，进行重复测量方差分析，条件满足时，还可以进行趋势分析。 例 题 用4种饲料喂猪，共19头猪分为四组，每组用一种饲料。一段时间后称重。猪体重增加数据如下。比较四种饲料对猪体重增加的作用有无不同。 步 骤 1、建立数据库 Fodder变量：数值型，取值1、2、3、4分别代表A、B、C、D四种饲料。 Weight变量：数值型，其值为猪体重的增加数。 应该特别注意，不能把A、B、C、D定义为四个变量。 5、结果分析 根据输出的p值为0.000可以看出，无论临界值取0.05，还是取0.01，P值均小于临界值。因此否定H0假设，四种饲料对猪体重均数有显著性意义，结论是四种饲料对猪体重的增加明显作用不同。根据该结论选择饲料，犯错误的概率几乎为0。 指定多项式系数 1.0×mean1－1.0×mean2－1.0×mean3＋1.0×mean4检验饲料对使猪体重增加的效应，A、D饲料效应和与B、C饲料效应和之间是否有显著性差异； 1.0×mean1－1.0×mean2＋1.0×mean3－1.0×mean4检验 A、C饲料效应和与B、D效应和之间是否有显著性差异。 * * 198.6 153.5 135.7 212.3 188.5 143.8 128.9 220.4 182.8 162.7 14