第8章_方差资料.pptVIP

有交互影响的双因素模型构成表 Ｘijk的构成 μij的构成 εijk 服从 N0, σ2 μ ai μi·- μ cij bj μj· - μ 全局稳定中心 主效应（行、列稳定中心分别与全局中心的偏差） 交互作用 随机扰动 8.4.3 实际处理 1. 假设 零假设： 备择假设： 2. 计算 定义统计量： 总变差： 行间变差： 列间变差： 其中 交叉变差： 总误差平方和： 此外 对如上定义的统计量有如下结论成立： （1）相互独立，且 （2）（3）当成立时，有 （4）当成立时，有 （5）当成立时，有 从而 （6）当成立时，有 （7）当成立时，有 （8）当成立时，有 对于给定的显著性水平α 查F分布表，找到临界值 若则拒绝零假设H0A，即A因素中至少有两个水平之间的平均效果存在显著差异；否则，接受零假设H0A ，即A因素的不同水平之间平均效果无显著差异。 查F分布表，找到临界值 若则拒绝零假设H0B，即B因素中至少有两个水平之间的平均效果存在显著差异；否则，接受零假设H0B ，即B因素的不同水平之间平均效果无显著差异。 3. 检验 查F分布表，找到临界值 若则拒绝零假设H0C，即A因素和B因素的交互效果中至少有一个显著异于零；否则，接受零假设H0C ，即A因素与B因素的交互效果均与零无显著差异，或A因素与B因素的交互效果不显著。 8.5 利用SPSS进行双因素方差分析 检验的步骤、过程见教材与课堂演示 统计分析在试验设计中的应用简介 科研工作中进行试验设计的重要性 进行一项科研课题如同造一座大桥、一座大厦。 如果大厦事先没有良好的设计就会倒塌，同样科研课题事先没有良好的设计就会失败。 科研设计如同建筑设计一样举足轻重。 很多科研工作者仅依赖现有的专业知识进行研究，只是在实验做完后才开始想到运用统计学知识。 进行完试验后再找统计学家分析数据，如同病人死后再找医生进行尸体解剖，医生会告诉病人死的原因是什么。同样，统计学家会告诉你试验失败的原因是什么。---费歇尔Ronand A. Fisher, 1890-1962 研究设计的好坏，直接关系到研究结果的可靠性，任何设计上的缺陷，都不能期望事后弥补。 从方法论的角度对管理研究中的实验设计问题的讨论见陈晓萍等《组织与管理研究的实证方法》（北京大学出版社2008年6月版） 试验设计举例 作为试验性研究的一个例子，考虑Chemitech公司遇到的问题。Chemitech开发了一种新的城市供水过滤系统，其元件需从几家供应商处购买，然后Chemitech在位于南加州哥伦比亚的工厂装配这些元件。由工程部负责确定新过滤系统的最佳装配方法。考虑过各种可能之后，小组将范围缩小至三种方法：方法A、方法B及方法C。这些方法在产品装配步骤上有所不同。 Chemitech的管理者希望确定哪种装配方法每周生产的过滤系统数最大。 在Chemitech试验中，装配方法是自变量或因素。因为对应于这个因素有三种方法，我们说对应于该试验有三个处理。其中每个处理对应于三种装配方法之一。Chemitech的问题是涉及到一个定性因素（装配方法）的单因素试验的一个例子。其他试验可能包含多个因素，其中有些因素是定性的而另一些则是定量的。 三种装配方法或处理规定了Chemitech试验的三个总体。其一是使用装配方法A的全体员工，其二是使用装配方法B的全体员工，其三是使用装配方法C的全体员工。对每个总体，因变量或响应变量为每周装配的过滤系统数目。该试验的主要统计目的是确定三个总体每周所生产的平均个数是否相同。 假定从Chemitech的生产车间的全体装配工人中抽取了由三名员工组成的样本。用试验设计的术语，三名随机抽取的工人是试验单元。我们将在Chemitech问题中使用的试验设计称为完全随机化设计。这类设计要求将每种装配方法或处理随机地指派给试验单元或工人之一。例如，方法A可能被随机地指派给第二名工人，方法B指派给第一名工人，方法C指派给第三名工人。如同本例所解释的那样，随机化的概念是所有试验设计的一个重要原理[1] 。 [1] 随机化是将处理随机地指派给试验单位的过程，目的是保证组与组之间已知和未知的因素的可比性，减少选择性偏差selection bias 。在R. A. Fisher 的工作以前，处理是被系统地或主观地指派的。 注意到该试验将导致对每个处理只有一个装配数目的度量。换句话说，对应于每个处理的样本容量为1。为了获得每种装配方法的进一步的数据，我们必须重复或复制基本试验步骤。例如，假定不是随机抽取3名工人，而是15名工人，然后将3个处理之一随机地指派给其中5名工人。因为每种装配方法都指派给5 名工人，我们说获得了5个复制。复制的过程是试验设计的另一个重要原则。下图显示了Chemitech试验的完全随机化设计。 评价C