数据统计分析3.3资料.ppt

二、两因素多组群方差分析;两因素方差分析：是指对试验指标同时受到两个试验因素作用的方差分析。;区组 (B); A因素水平间变异 总变异 B因素水平间变异 试验误差 自由度:相应分解。;线性模型：;矫正数 总平方和： A平方和 B平方和;总自由度 ：dfT=nk-1 A自由度： dfA=n-1 B自由度： dfB=k-1 误差自由度：dfe=dfT-dfA–dfB=(n-1)(k-1);例1:为了研究氮、磷、钾肥对甜菜的增产作用，随机区组实验，田间测产数据如下;解:;组间变差: ;区组间变差:;组内变差:SSe=总变差-处理间-区组间 =5290.05-2967.80-878.85 =1443.4 df=19-4-3=12 方差分析表:; 结论:区组间F﹤F0.05(3,12),表明区组间差异不显著; 处理间F ﹥F0.01(4,12);激素处理对大豆干物重影响;(1)平方和计算:;(2)自由度计算;(3) 进行F检验:; (4)多重比较(SSR法)：只对5种浓度进行多重比较。 当df=8，M=2,3,4,5时，SSR及LSR值表：;大豆干物重差异显著性检验;（二）两因素分组资料的方差分析（重复观测值）;　　线性模型：;1.平方和与自由度分解： 矫正数 ;; ;光照(A);光照(A);平方和与自由度分解; ; 列方差分析表;多重比较（光照和温度对滞育期影响）： 平均数标准误计算 （1）光照平均数标准误 （2）温度平均数标准误 检验方法同前。;　　在啤酒生产中，为了研究烘烤方式（A）与大麦水分（B）对糖化时间的影响，选了两种烘烤方式，4种水分共8种处理，每一处理重复三次，结果如下表。;烘烤方式（A）;（1）平方和分解为：;（2）自由度分解：;列方差分析表;变异来源;　　 结果表明：大麦中的水分及水分与烘烤方式之间的互作对糖化时间的影响达到了极显著水平；烘烤方式对糖化时间的作用不显著。在生产上应注意大麦的含水量及根据含水量来选择合适的烘烤方式。;三、多因素方差分析;　　设有一个三因素方差分析模型，各取了a、b、c个水平，每一处理有n次重复。对观测值，其线性数学模型为：;xijkl = μ +αi +β j+γk+(αβ)ij + (α γ)ik + (β γ)jk + (αβ γ)ijk + εijkl;总平方和为全部试验观测值的平方和??即：;总平方和分解：;拉丁方资料的方差分析：;解：;SSe=130.94-11.69-30.69-72.69=15.8 dfT=nn-1=16-1=15 dfA=dfB=dfc=n-1=4-1=3 dfe=15-3-3-3=6 ;方差分析表：;四、正交拉丁方试验资料的方差分析;试验结果表: ;Ki(第j列)=第j列中数字i对应的指标之和.;步骤：; (3) A、C搭配效果：A1C2最好。;2.方差分析;总变差：SST=382+462+…+232-C =12283-11628.125 =654.875 df=8-1=7 SSA= ;;SSe=654.875-171.125-1.125- 3.125-10.125-435.125;结论:AC交互作用对试验结果有显著影响.; 若交互作用所取水平与主效应所取水平有矛盾,以交互作用为主。; 1.简单效应(simple effect) 在某因素同一水平上，另一因素不同水平对试验指标的影响。即特殊水平组合间的差数。; A1：B2- B 1=480-470=10； A2 ：B2- B1=512-472=40； B1 ：A2-A1=472-470=2； B2 ：A2-A1=512-480=32 ; 3.交互作用 (互作，interaction) ： 在多因素试验中，一个因素的作用要受到另一个因素的影响，表现为某一因素在另一因素的不同水平上所产生的效应不同。记：A×B A在B1水平上效应=472-470=2 A在B2水平上的效应=512-480=32 B在A1水平上的效应=480-470=10 B在A2水平上的效应=512-472=40 互作效应：(A1B1+A2B2-A1B2-A2B1)/2来估计。 表中的互作效应为： (470+512-480-472)/2=15 ;