wjf生物统计学-第九章分析.pptVIP

第九章 两因素的方差分析（two-factors analysis of variance）或两种方式分组的方 差分析（two-way classification analysis of variance） ? 一、 模型的类型及交互作用的概念 在实际工作中，经常会遇到两种或两种以上的因素，共同影响实验结果的情况。例如，一组病人同时服用两种药物，每一种药物又有不同的剂量（水平），如A药物有5个水平，B药物有3个水，共有5×3＝15个剂量水平。需要15名病人参加实验，每人接受一种水平组合，象这样的分组方式称为交叉（cross）分组。; 上面讲过，因素可分作固定因素和随机因素。在两因素实验中: 当两个因素都是固定因素时，称为固定模型（fixed model）。 两个因素均为随机因素时，称为随机模型（random model）。 一个因素是固定因素，另一个因素是随机因素时，称为混合模型（mixed model）。 这三种模型虽然在计算方法上没有多大不同，但在检验以及对结果解释上却截然不同。尤其是在两因素之间存在交互作用时，不同类型模型的区别就更明显。为了下面叙述方便，介绍主效应与交互作用两个基本概念。; 由于因素水平的改变而造成因素效应的改变，称为该因素的主效应（main effect）。例如有下面一组实验，A因素有两个水平，A1和A2 ；B因素也有两个水平，B1和B2 。当A因素从第一个水平变化到第二个水平时，A因素的主效应为A2水平的平均效应减去A1水平的平均效应。 ;同样，B因素的主效应： ;A（在B1水平上）＝A2B１－A1B1＝28－18＝10 A（在B2水平上）＝A2B2－A1B2＝22－30＝－8 可以明显看出：A的效应依B的水平而不同。这时我们说：在A和B因素见存在交互作用。交互作用的大小可用; 当因素间存在交互作用时，对因素间交互作用的了解比只了解因素的主效应重要得多。因此，在两因素方差分析中，分解出因素的交互作用十分必要。两因素间是否存在交互作用，有专门的统计判断方法，一般情况下，可以根据专业知识判断。另外，做图法也能提供一些帮助。将上面两表的数据，可以做以下两图（图2－1）。 ;B2; 当A、B之间不存在交互作用时，从B1变化到B2是不依A水平的不同而变化，所以B1－B1，B2－B2两线平行。当存在交互作用时，Ａ的效应依Ｂ的水平而不同，所以B1－B1，B2－B2两线不平行。直观图可以帮助判断因素之间是否存在交互作用，但在处理数据时只凭图象是不行的，需要经过严格的数据分析之后，才能最后断定。 ; 两因素实验的典型设计是：假定A因素有a水平，B因素有b水平，则每一次重复都包括ab次实验，并设实验重复次数n次，χijk表示A因素的第i水平，B因素第j水平和第k次重复的观察值。数据将以下表的形式出现。 表2－7中A和B可以是固定因素，也可以是随机因素，因而引出三种不同的统计模型。; 表2－7 两因素交互分组实验的一般格式; 表2－7中的各种符号做如下说明：ci··表示A因素第i水平的所有观察值的和；c·j·表示B因素第j水平的所有观察值的和；cij·表示A的第i水平和B的第j水平的所有观察值的和；c···表示所有观察值的综合。用公式表示为： ;二、 固定效应模型 1. 有重复实验时 有重复实验时，观察值可以以下线性统计模型描述：;交互作用的效应也是固定的， ; 交互分组两因素固定效应模型的方差分析的零假设为： ; 于是，总平方和可分解为：由于A因素所引起的平方和SSA ，B因素所引起的平方和SSB，A、B交互作用所引起的平方和SSAB及误差平方和SSe 。分别是： ; 从(2·32)式可以看出，为了得到误差平方和，至少要重复两次。有了误差平方和，才能把误差与交互作用分解开。 与每一平方和所相应的自由度为： A a－1 B b－1 AB交互作用 （a－1）（b－1） 误差 ab（n－1） 总和