（精）实验设计与数据分析-方差分析.ppt

②计算偏差平方和 总偏差平方和： 因素A引起偏差的平方和： 因素B引起偏差的平方和： 交互作用A×B引起偏差的平方和： 误差平方和： ③计算自由度 SSA的自由度：dfA ＝r－1 SSB的自由度：dfB＝s－1 SSA×B的自由度： dfA×B ＝(r－1)(s－1) SSe的自由度：dfe＝rs(c －1) SST的自由度：dfT＝n－1＝rsc－1 dfT＝ dfA ＋dfB＋ dfA×B＋ dfe ④计算均方 ⑤F检验 对有重复试验的双因素试验结果用F检验法进行分析时，首先必须计算各个因素及两个因素之间的交互作用所对应的F值。须注意的是，在F值的计算中，不同的模型所对应的F值的计算方法不一样。模型根据两个因素是随机因素还是固定因素决定。当两个因素都是固定因素时，模型是固定模型；当两个因素都是随机因素时，模型是随机模型；当两个因素中只有一个因素为随机因素时，模型为混合模型。 固定因素的水平是完全可以控制的，如温度、压力、浓度等，这时候对试验结果所带来的影响也是固定的，故称为固定效应。随机因素是指其试验水平可由许多可能的水平中随机抽取。 例如：某试验室有10人和10台同样型号的仪器，现需考察人员和仪器这两个因素对测试结果的影响，因此随机从10人中抽取3人，随机从10台仪器中抽取3台，构成了双因素三水平试验，很显然，这两个因素都是随机因素。 固定因素所考察的因素水平，也是该因素的全部水平，由试验所得到的结论只是针对所试验过的因素水平而言的，而不能由已有水平的试验结果从统计上去推断该因素未经试验的其他水平的效应。应该指出的是，不能根据已有的试验结果从统计上去进行推断，这并不妨碍人们从专业的角度去做某些推断。 随机因素由于所考察的水平是随机抽取的，因而由试验结果所得到的绍论都是被抽样总体的结论，可以由已试验过的样本效应从统计上去推导未经试验的其他样本的效应。 ⑤F检验 若FA＞F? （dfA,dfe)，则认为因素A对试验结果有显著影响，否则无显著影响； 若FB＞F? （dfB,dfe)，则认为因素B对试验结果有显著影响，否则无显著影响； 若FA×B＞F? （dfA×B,dfe)，则认为交互作用A×B对试验结果有显著影响，否则无显著影响。 ⑥重复试验双因素方差分析表 2.2.3 Excel在双因素方差分析中的应用 （1）双因素无重复试验方差分析 利用“分析工具库”中的“无重复双因素方差分析”工具 （2）双因素重复试验方差分析 利用“分析工具库”中的“重复双因素方差分析”工具 2.3 正交试验设计结果的方差分析法 能估计误差的大小 能精确地估计各因素的试验结果影响的重要程度 2.3.1 方差分析的基本步骤与格式 设： 用正交表Ln(rm)来安排试验 试验结果为yi（i=1,2,…n） （1）计算偏差平方和 ①总偏差平方和 设： ②各因素引起的偏差平方和 第j列所引起的偏差平方和 ： 因此： ③试验误差的偏差平方和 方差分析时，在进行表头设计时一般要求留有空列，即误差列 误差的偏差平方和为所有空列所对应偏差平方和之和 ： ④ 交互作用的偏差平方和 若交互作用只占有一列，则其偏差平方和就等于所在列的偏差平方和SSj 若交互作用占有多列，则其偏差平方和等于所占多列偏差平方和之和， 例：r=3时 （2）计算自由度 ①总自由度 ：dfT＝n－1 ②任一列偏差平方和对应的自由度 ： dfj＝r－1 ③交互作用的自由度 ：（以A×B为例） dfA×B＝dfA ×dfB dfA×B＝( r－1 )dfj 若r ＝ 2， dfA×B＝dfj 若r ＝ 3， dfA×B＝ 2dfj= dfA ＋dfB ④误差的自由度： dfe＝空白列自由度之和 （3）计算均方 以A因素为例 ： 以A×B为例 ： 误差的均方： 注意： 若某因素或交互作用的均方≤MSe，则应将它们归入误差列 计算新的误差、均方 例：若MSA ≤MSe 则： （4）计算F值 各均方除以误差的均方，例如： * 第二章 正交试验设计的方差分析 一、试验设计的基本原则 二、正交试验的方差分析 三、重复试验的方差分析 四、误差分析与试验水平 一、实验设计的基本原则 随机化原则：每个处理以概率均等的原则，随机地选择实验单元。 重复原则：独立重复实验、重复测量 对照原则：空白、安慰剂、实验条件、标准、历史或中外对照。 区组原则：人为划分的时间、空间、设备等实验条件称为区组（block）。 （3,4合称为局部控制原则） 方差分析（analysis of variance，简称ANOVA） 检验试验中有关因