张德存 统计学 7.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 2008年8月 可重复双因子分析(平方和的计算) 总平方和： 行变量平方和： 列变量平方和： 交互作用平方和： 误差项平方和： SST=SS行+SS列+SS交互+SS残差 2008年8月 可重复双因子分析(构造检验统计量) 检验行因子的统计量 检验列因子的统计量 检验交互作用的统计量 计算出统计量的P值，若P?，拒绝原假设 2008年8月 可重复双因子分析(例题分析) 【例】检验超市位置、竞争者数量及其交互作用对销售额是否有显著影响(?=0.05) 2008年8月 可重复双因子分析(Excel检验步骤) 第1步：选择“工具”下拉菜单，并选择【数据分析】选项 第2步：在分析工具中选择【方差分析：可重复双因子分 析】，然后选择【确定】 第3步：当对话框出现时 在【输入区域】方框内键入数据区域(A1：C11) 在【?】方框内键入0.05(可根据需要确定) 在【每一样本的行数】方框内键入重复实验次数(5) 在【输出区域】中选择输出区域 选择【确定】 ? 用Excel进行可重复双因子分析 7.4 实验设计初步 7.4.1 完全随机化设计 7.4.2 随机化区组设计 7.4.3 因子设计 第 7 章 方差分析与实验设计 2008年8月 实验设计与方差分析 实验设计 完全 随机化设计 随机化 区组设计 因子设计 单因子 方差分析 无重复双因 素方差分析 可重复双因 素方差分析 7.4.1 完全随机化设计 7.4 实验设计初步 2008年8月 完全随机化设计(completely randomized design) “处理”被随机地指派给实验单元的一种设计 “处理”是指可控制的因子的各个水平 “实验单元(experiment unit)”是接受“处理”的对象或实体 在实验性研究中，感兴趣的变量是明确规定的，因此，研究中的一个或多个因子可以被控制，使得数据可以按照因子如何影响变量来获取 对完全随机化设计的数据采用单因子方差分析 2008年8月 完全随机化设计(例题分析) 这里的“小麦品种”就是实验因子或因子，品种1、品种2、品种3就是因子的3个不同水平，称为处理 假定选取3个面积相同的地块，这里的“地块”就是接受处理的对象或实体，称为实验单元 将每个品种随机地指派给其中的一个地块，这一过程就是随机化设计过程 【例】一家种业开发股份公司研究出3个新的小麦品种：品种1、品种2、品种3。为分析不同品种对产量的影响，需要选择一些地块，在每个地块种上不同品种的小麦，然后获得产量数据进行分析。这一过程就是实验设计的过程 2008年8月 完全随机化设计(例题分析) 实验数据： ? 单因子方差分析 2008年8月 完全随机化设计(例题分析) 方差分析： 7.4.2 随机化区组设计 7.4 实验设计初步 2008年8月 随机化区组设计(randomized block design) 先按一定规则将实验单元划分为若干同质组，称为“区组(block)” 再将各种处理随机地指派给各个区组 比如在上面的例子中，首先根据土壤的好坏分成几个区组，假定分成4个区组：区组1、区组2、区组3、区组4，每个区组中有三个地块 在每个区组内的3个地块以抽签的方式决定所种的小麦品种 分组后再将每个品种(处理)随机地指派给每一个区组的设计就是随机化区组设计 实验数据采用无重复双因子方差分析 2008年8月 随机化区组设计 (例题分析) 实验数据： ? 无重复双因子方差分析 2008年8月 随机化区组设计(例题分析) 方差分析： 7.4.3 因子设计 7.4 实验设计初步 2008年8月 因子设计(factorial design) 感兴趣的因子有两个 如：小麦品种和施肥方式 假定有甲、乙两种施肥方式，这样3个小麦品种和两种施肥方式的搭配共有3×2=6种。如果我们选择30个地块进行实验，每一种搭配可以做5次实验，也就是每个品种(处理)的样本量为5，即相当于每个品种(处理)重复做了5次实验 考虑两个因子(可推广到多个因子)的搭配实验设计称为因子设计 该设计主要用于分析两个因