第4章方差解说.pptVIP

第4章 方差分析 § 4.1单因素方差分析 §4.2 无重复两因素方差分析 §4.3 有重复两因素方差分析 在试验分析中，人们经常要确定哪种因素对结果的影响大，哪种因素对结果的影响小，因素间是否存在相互作用以及试验条件的最优化等，这就需要应用一些统计手段。 通常称多次试验结果之间的差异为变差，变差一般用偏差平方和表示。各因素形成的偏差平方和相加恰好等于总偏差平方和，此为偏差平方和的加和性，是建立方差分析的基础。 从本章开始，对系统误差和偶然误差的概念需要换一个角度来理解，即不能只局限于“误差”，而是应理解为从统计学角度它们相当于误差，实际上它们是由于因素水平的变化而导致了结果的数量差异。 § 4.1单因素方差分析 [例4-1] 进行某化学合成时，为了考查催化剂对收率的影响，分别用5种不同催化剂独立地进行试验，每一种催化剂试验4次，得收率如表所示。 本例中，因素：催化剂；水平：5种；指标：收率。 偶然误差：每一种催化剂下所得结果的标准偏差s 系统误差：各催化剂下所得平均值的差异 分析思路： 把全部数据关于总平均值的方差分解成几个部分，每一部分表示方差的一种来源，将各种来源的方差进行比较，从而判断试验各有关因素对试验结果的影响大小。 本例属于一种单因素方差分析。将一种试样分发给几个实验室分别测定，由一个人或一个小组用几种不同的方法测定一种试样，或研究一种条件，如温度对显色反应的影响等，都属于单因素试验。此处，方差分析的目的是考查一个因素的k个水平对试验结果是否存在显著性差异。 单因素方差分析的数学模型是： 式中，m是总体均值；ai是i水平(i =1，2，…，k，k 为水平数)对结果的影响，即i水平下的系统误差；rij是随机误差(j=1，2，…，ni；ni 为水平重复数)。 该数学模型的意义是在同一因素，不同水平的作用下，试验结果由三部分组成，即总平均值、因素作用和随机误差。 偏差平方和 令： 若组间误差不显著，即没有超出随机误差的波动范围，说明诸样本属于同一总体，即： 亦即该因素在1～k范围内对结果无影响(但1～k 范围外不一定，切勿随意推广)。如果差异显著，超出了随机误差的波动范围，说明诸样本不属于同一总体，即各总体均值不等，结论是该因素对试验结果有影响。 方差分析统计量 (1)自由度 (3)统计量F 例4-2 对例4-1的试验结果进行方差分析 §4.2 无重复两因素方差分析 单因素方差分析只研究一种因素对试验结果的影响，当可能存在多个因素同时对结果产生影响时，虽然可以采用“固定其他因素，研究变化因素”的方法，对所有影响因素分别研究，但这种方法不仅效率低，而且往往遗漏最好的组合。另一方面，若需同时研究考查几种因素的影响，那么，用单因素分析是无能为力的。若需同时试验几种因素的影响，就需要进行多因素试验。 多因素方差分析的思路和方法相同，以下着重介绍两因素方差分析。而且，下面只介绍无重复两因素方差分析，有重复两因素方差分析单独介绍。 4.2.l 无重复两因素方差分析的数学模型 设因素A有a个水平，即 A1，A2，…，Ai，…，Aa 因素B有b个水平，即 B1，B2，…，Bj，…，Bb Ai 、Bj作用下试验指标为xijk，则 4.2.2 偏差分解 式(4-53)为无重复两因素方差分析的基本关系，它表示了总偏差的平方和可以一分为三，其中SSE、SSA、SSB分别反映了随机误差偏差，因素A和因素B的偏差。 4.2.3 自由度 令fT、fE、fA、fB分别为SST、SSE、SSA、SSB的自由度，则： 4.2.4 方差 令 分别为SST、SSE、SSA、SSB方差，则： 4.2.5 F-检验 [例4-4] 为了研究酵解作用对血糖浓度的影响，分别从8位健康人体中抽取血液并制备成血滤液。再将每一个受试者的血滤液分为4份，分别放置Omin、45min、90min、135min，测定其中的血糖浓度，得数据如表所示。 §4.3 有重复两因素方差分析 在无重复两因素方差分析中，交互作用和随机误差交织在一起，无法分清，因此就把它作为随机误差来处理。那么，怎样才能将交互作用和随机误差分开呢? 众所周知，随机误差是多次重复测量结果间的波动，那么，只要进行重复测定，就可以对随机误差进行估计了。这样，就可以将交互作用从随机误差中分离出来。那么，什么是交互作用呢? 4.3.1 交互作用 [例4-5] 为了考查氮、磷两种肥料对水稻的增产效果，今选取自然条件完全相同的4块农田进行试验，方案如表所示。 如果因改变因素的水平而导致试验结果间存在显著性差异，说明该因素对试