方差分析II学习课件.pptVIP

方差分析（II） §1 数据的变换 §2 随机效应的方差分析 §3 双因素方差分析 §1 数据的变换 如果在方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。其中最常见的一种情况是处理平均数和均方有一定关系(如二项分布资料，平均数 ，方差 ；泊松分布资料的平均数与方差相等 )。 对不能直接进行方差分析的资料应考虑采用非参数方法分析或进行适当数据转换后再作方差分析。 常用的数据转换方法 ： ① 平方根转换（square root transformation） 此法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。转换的方法是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。 ② 对数转换（logarithmic transformation） 如果各组数据的标准差、全距与其平均数大体成比例或变异系数CV接近常数时，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（lg(x+1)或ln(x+1)）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。 对数变换能使服从对数正态分布的变量正态化。如环境中某些污染物的分布、人体中某些微量元素的分布，可用对数转换改善其正态性。 ③ 反 正 弦 转 换 （arcsine transformation ） 平方根反正弦转换适用于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）的平方根反正弦 。 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。产品合格率、食品污染率、腐烂率等等二项分布资料。附表7是百分数反正弦转换表，可以直接查得x的平方根反正弦值。 ④ 倒数转换（reciprocal transformation） 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。这种转换常用于以出现质反应时间为指标的数据资料，也可用于数据两端波动较大的资料，可使极端值的影响减小。对于一些分布明显偏 态的二项分布资料，有人通过以下转换，可使x呈良好的正态分布。 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差是否存在相关性和各处理均方差间的变异是否较大。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差的相关性最小，哪种方法就是最合适的转换方法。 混合模型。混合模型的假定是一因素的效应随机，另一因素的效应固定。例如，若A的效应固定，B的效应随机，则满足条件： 各种模型的期望均方见表 有交互作用双因素方差分析的假设 检验统计量分别为 固定模型： 随机模型 混合模型（A固定B随机） 随机模型参数估计 混合模型参数估计（A固定B随机） [例] 施用A1、A2、A3 3种肥料于B1、B2、B3 3种土壤，以小麦为指示作物，每处理组合种3盆，得产量结果(g)于表。试作方差分析。 总和 平均 14.0 13.3 13.7 3 14.6 13.6 13.8 2 12.0 14.2 12.8 1 A3 13.9 12.0 12.1 3 14.0 13.7 14.2 2 13.3 13.0 12.0 1 A2 17.5 16.4 20.1 3 16.6 18.8 21.2 2 17.6 19.6 21.4 1 A1 B2(白僵) B2(二合) B1(油砂) 土壤种类(B) 盆 肥料种类 (A) 219.28 26 总 变 异 0.928 16.70 18 试验误差 4.58 5.18** 4.81 19.24 4 肥土间 6.01 2.13 1.98 3.96 2 土类间 6.01 96.65** 89.69 179.38 2 肥类间 6.01 96.65** 89.69 202.58 8 处理组合间 F0.01 F MS SS DF 变异来源 资料的方差分析结果 作业：对5个杂交水稻品种的干物质累积过程进行系统测定，每次测