生物统计学-单因素方差解答.ppt

根据不同的模型，重新计算F值以及F crit值 第四节 多因素方差分析（自学） 第五节 方差分析缺失数据的估计（自学） 第六节 方差分析的基本假定和数据转换 方差分析假定 三个假定 效应可加 处理效应与误差效应应该是“可加的”，正是由于这一“可加性”，才有了样本平方和的“可加性”，亦即有了试验观测值总平方和的“可剖分”性。 数据服从正态分布 是指所有试验误差是相互独立的，且都服从正态分布N(0，σ2) 数据方差同质: 差异不显著 各个处理观测值总体方差σ2应是相等的 误差异质的处理方法 如果在分差分析前发现有某些异常的观测值、处理或单位组，只要不属于研究对象本身的原因，在不影响分析正确性的条件下应加以删除 有些资料就其性质来说就不符合方差分析的基本假定 应该进行数据转换 数据转换 平方根转换 －适用于各组均方与其平均数之间有某种比例关系的资料，尤其适用于总体呈泊松分布的资料。 转换的方法 －求出原数据的平方根 。若原观测值中有为0的数或多数观测值小于10，则把原数据变换成 ，对于稳定均方，使方差符合同质性的作用更加明显。变换也有利于满足效应可加性和正态性的要求 数据转换 对数转换 如果各组数据的标准差或全距与其平均数大体成比例，或者效应为相乘性或非相加性，则将原数据变换为对数(lgx或lnx)后，可以使方差变成比较一致而且使效应由相乘性变成相加性。 如果原数据包括有0，可以采用lg(x+1)变换的方法。 一般而言，对数转换对于削弱大变数的作用要比平方根转换更强。 数据转换 反 正 弦 转 换 （也称角度转换） 适用于 如发病率、 感染率、病死率、受胎率等服从 二项分布 的资料 转换的方法是求出每个原数据(用百分数或小数表示)的反正弦 ， 转换后的数值是以度为单位的角度。 数据转换 二项分布的特点是其方差与平均数有着函数关系 当平均数接近极端值(即接 近 于 0 和 100% )时，方 差 趋 向 于 较 小 ； 而 平均数处于 中 间 数 值 附 近 ( 50% 左 右 ) 时 ，方 差 趋 向 于 较 大 。把 数 据 变 成 角 度 以后，接近于0和100%的数值变异程度变大，因此使方差较为增大，这 样 有利于满足方差同质性的要求。一 般，若 资 料 中 的 百 分数介于30%—70%之间时，因资料的分布接近于正态分布，数据变换与否对分析的影响不大 数据转换 在对转换后的数据进行方差分析时，若经检验差异显著，则进行平均数的多重比较应用转换后的数据进行计算。但在解释分析最终结果时，应还原为原来的数值 以上介绍了三种数据转换常用方法。对于一般非连续性的数据，最好在方差分析前先检查各处理平均数与相应处理内均方是否存在相关性和各处理均方间的变异是否较大。如果存在相关性，或者变异较大，则应考虑对数据作出变换。 有 时 要确定适当的转换方法并不容易， 可事先在试验中选取几个其平均数为大、中、小的处理试验作转换。哪种方法能使处理平均数与其均方的相关性最小，哪种方法就是最合适的转换方法 另外，还有一些别的转换方法可以考虑。例如当各处理标准差与其 平均数 的 平 方 成 比 例 时 ， 可 进 行 倒 数转换；对于一些分 布 明 显 偏 态 的 二项分布资料，有人进行 的转换，可使x呈良好的正态分布。 例题： 研究低温储藏不同时间对大白菜花粉生活力的影响，花粉置于冰箱中经2h，4h，6h后，镜检有生活力花粉的百分数，每处检查6个视野，对照为新鲜花粉，结果如表，试分析不同处理时间对花粉生活力的影响。 F检验 固定模型 两因素固定模型方差分析表如下： 表2-8 固定模型方差分析表（因素A、B固定型） 变差来源 平方和 自由度 均 方 F 因 素A 因 素B 交互作用AB 误 差 SSA SSB SSAB SSe ａ－1 ｂ－1 (a-1)(b-1) ab(n-1) MSA MSB MSAB MSe MSA／MSe MSB／MSe MSAB／MSe 总 和 SST abn-1 随机模型 混合模型 ANOVA表 变异来源 MS 固定模型 随机模型 混合模型 (A固,B随) 因素A 因素B AxB 误差 MSA MSB MSAB MSe MSA/MSe MSB/MSe MSAB/MSe MSA/MSAB MSB/MSAB MSAB/MSe MSA/MSAB MSB/MSe MSAB/MSe 表2-9 用不同原料与不同温度发酵的酒精