第八章 方差分析与回归分析(理).pptVIP

计算 对给定的检验水平 ，查相关系数的临界值表 如果 ，则拒绝 ，即线性回归方程 有效；否则，接受 ，即线性回归方程无效。 F检验与r检验是一致的： (三)回归方程有效性的t检验法 统计量 H0成立时， 对给定的检验水平 ，H0的拒绝域为 即当 时，变量 与 有线性相关关系。 F检验与t检验是一致的： 39.8 19.1 9 40.7 17.8 8 44.6 15.8 7 38.1 22.8 6 37.4 21.0 5 38.9 41.8 39.2 44.0 蛋白质含量% 20.0 18.9 17.5 15.4 脂肪含量% 4 3 2 1 编号 试求出 与 的关系，并判断是否有效。 例8.3 为了研究大豆脂肪含量 和蛋白质含量 的关系， 测定了九种大豆品种籽粒内的脂肪含量和蛋白质含量， 得到如下数据 * 西北农林科技大学理学院 徐 钊编制 方差分析 Analysis Of Variance 一、方差分析的概念与基本思想 1.问题的提出 例题8.1 在饲料养鸡增肥研究中，某饲料研究所提出三 种配方： A1以鱼粉为添加料， A2以槐树粉为添加料， A3 以苜蓿粉添加料。为比较三种饲料的效果，特选24只相似 的雏鸡随机分为三组，每组用一种饲料喂养，60天后测其 体重，获得数据如下表 1093 1029 1080 1021 1022 1032 1029 1048 A3 1107 1092 990 1109 1090 1074 1122 1001 A2 1073 1009 1060 1001 1002 1012 1009 1028 A1 鸡重/g 饲料A 比较三种饲料的增重效果是否一致，可以转化为利用样本 比较三个总体均值是否相等。直观上看该问题可以用两个 总体均值差异显著性检验解决，但细想想还是存在一定问 题，因为这样的比较能增大犯错误的概率。为解决这类问 题，英国统计学家R.A.Fisher于1924年提出了解距此类问题 的通用方法-方差分析法。 2.方差分析的概念 ?因素：影响试验指标变化的原因。 ?水平：因素所划分成不同等级，每个等级称为该因素的一 个水平。 ?条件变差：能反映控制因素不同水平对试验指标的作用的 量，又称为处理效应或组间效应。 ?随机误差：能反映控制因素以外因素对试验指标作用的量。 3.方差分析的基本思想 试验指标的变化可以用指标值的方差反映，导致指标值 发生变化的原因有两方面：一是可控因素，二是不可控因 素。方差分析就是将指标值的方差分解成条件变差与随机 误差，然后依据概率远离比较条件变差与随机误差大小关 系，从而决定引起指标值的变化的主要原因。 4.方差分析的基本假定 ?不同因素对试验指标值的影响作用是加性效应，即试验 指标值的变化是各种因素所起作用的累加； ?试验指标服从正态分布； ?试验数据是随机的，并且可控因素不同水平的试验数据 方差齐性。 二、单因素方差分析的统计模型 1.单因素方差分析的数据结构 单因素方差分析的试验数据应具有下列结构形式。 平均 和 试验数据 因素-水平 2.单因素方差分析的统计模型 该形式称为单因素方差分析的统计模型。 在方差分析统计模型下，方差分析要解决的问题转化为 下列假设检验问题： 为了分析方便，我们往往对单因素方差分析的统计模型进 行如下转化。令 称其为总均值，而称 因素A第i格水平下的主效应。 三、单因素方差分析的原理 1. 试验数据离差平方和分解 离差平方和分解式 例题8.2 对例题8.1的试验数据进行方差分析。 解：H0：饲料种类对鸡的增肥没有影响； H1：有影响。 20984 125316 354 93 29 80 21 22 32 29 48 A3 60355 342225 585 107 92 -10 109 90 74 122 1 A2 10024 37636 194 73 9 60 1 2 2 9 28 A1 平方和 Ti2 Ti 鸡重/g-1000 饲料A 23 37876.04 总和 1343.62 21 28215.96 组内 3.59 F0.05(2,21) =3.47 4830.04 2 9660.08 组间 均方比F 均方和 自由度 平方和 离差来源 三、单因素方差分析模型的参数估计 一、相关关系的概念 在现实问题中，处于同一个过程中的一些变量，往往是相互依赖和相互制约的，形成一