第九章方差分析.doc

方差分析 在生产实践和科学研究中，影响一个结果的因素往往是多种多样的，而比较各种因素对结果产生的影响的大小，便是人们经常遇到的问题.例如，一种化工产品的质量，取决于原料、反应温度、反应时间、机器设备以及操作人员的熟练程度等多个因素.每个因素的变化都有可能影响产品的质量，但各个因素影响的大小又不尽相同.对各因素进行分析，以找出其中影响较大的因素，便是实现优质、高产所需要解决的一个重要问题.方差分析就是根据试验的结果进行分析、鉴别各因素效应是否相同的有效统计方法.我们也常称在试验中变化的因素为因子，为方便起见，用等字母表示，因素在试验中所取的不同状态称为水平或处理，因素的个不同水平用表示.按试验中因素的个数，可以有单因素方差分析、双因素方差分析、多因素方差分析等.本章主要讨论单因素方差分析和双因素方差分析，而多因素方差分析与双因素方差分析类似，故省略. §9.1 单因素方差分析 一. 数学模型 我们先举一个例子来说明方差分析能解决什么问题，并建立相应的数学模型. 例9.1.1 调查5个学生的5次测验，结果列表如下： 表9-1 学生成绩数据 我们要研究的问题是各学生的平均成绩是否有显著差异. 在本例中只考虑“学生”这一因素（记作A），属单因素；五个不同学生就是该因素的五个不同水平（分别记为）.由于每一个学生的不同测试的成绩不同，我们可以认为一个学生的成绩就是一个总体. 在方差分析中总假定各总体相互独立且服从同方差的正态分布，即第个学生的成绩是一个随机变量，它服从分布，=1，2，3，4，5.试验的目的就是要判断假设 （9.1.1） 是否成立. 若拒绝，那么我们就认为这五个学生的平均成绩之间有显著差异；反之，就认为各学生间的成绩的不同是由随机因素引起的.方差分析就是检验假设（9.1.1）的一种方法. 实际上，方差分析就是判断同方差的若干正态均值是否相等的一种统计分析方法. 为一般地讨论单因素方差分析的原理和方法，设在某试验中，因素有个不同水平，在水平下的试验结果服从且间相互独立. 现在水平下做了次试验，获得了个试验结果， 这可以看成是取自的一个容量为的样本， 由于， 故与的差可以看成一个随机误差，. 这样一来，可以假定具有如下数据结构式： （9.12） 要检验的原假设是 (9.1.3) 为今后方便起见，把参数的形式改变一下，记 , ， 称为一般平均，是理论上的总平均，称为因素的第个水平的效应. 容易看出，个效应满足关系式 从而，数据结构式（9.1.2）可以写成 (9.1.4） 所要检验的假设(9.1.3)可以写成 (9.1.5) 这就得到了我们要找的单因素方差分析的数学模型. 它意味着： 方差具有齐性，即与水平序号无关； 属线性模型，且效应具有可加性； 数据具有正态结构，即除因素的效应外，其余均为大量 独立，均匀微小的随机因素. 二. 方差分析 为了导出检验假设（9.1.5）的统计量，我们首先分析一下引起诸波动的原因.这里有两个原因，一个是假定（9.1.5）为真时，诸的波动纯粹是随机性引起的；另一个可能是假设（9.1.5）不真而引起的. 因而我们可用一个量来刻画诸之间的波动，并把引起波动的上述两个原因用另外两个量表示出来，这就是方差分析中常用的平方和分解的方法. 下面我们就从平方和分解入手来导出检验（9.1.5）的统计量. 通常我们可以用与样本总平均之间的偏差平方和来反映之间的波动，令 （9.1.6） 其中 称为总离差平方和或总偏差平方和. 若令 ， 则 其中交叉乘积项 =0 若记 （9.1.7） (9.1.8) 则 (9.1.9) 为一个平方和分解式．下面我们来考察的意义. 由模型（9.1.4）有 其中的意义同，从而