第九章__双因素和多因素方差分析.ppt

变差来源 平方和 自由度 均方 统计量F A 592.375 3 197.458 24.68** B 365.375 3 121.792 15.22** AB 425.125 9 47.236 5.904** 误差 128 16 8 总和 1510.875 31 查F分布表： 所以FA、FB、FC均达极显著，所以大白鼠增重与添加剂A、B及其交互作用都有显著关系。 随机模型下： 查F分布表： FA显著但未达极显著，FB不显著，FAB极显著。 所以大白鼠增重与A、AB的交互作用有显著关系。 综合上面可知，随机模型和固定模型对主效应的认识不同；若不设重复，对固定模型，统计检验无法进行。 第三节 多因素试验的方差分析 一、观测值的描述 假设在一个试验中，A因素有a个水平，B因素有b个水平，C因素有c个水平，每个因素有n次重复，那么观测值的线性统计模型为 A1 A2 A3 B1 B2 B3 A1 A2 A3 B2 B3 B1 (a) 无交互效应 (b) 有交互效应 图中每条曲线代表B因素的一个水平。若各曲线平行或近似平行，可认为无交互效应，否则为有交互效应。以上只是一种直观的判断，在多因素方差分析的过程中，我们对交互作用的有无也可进行统计检验。 交互效应 H01: ?i =0, i=1, 2, ……a H02:βj=0, j=1, 2, ……b H03:(??)ij=0, i=1, 2, ……a, j=1, 2, ……b 备择假设为: HA: 上述各参数中至少有一个不为0。(这实际上是三个备择假设。) 零假设 方差分析的基本思想仍是总变差分解： 即： SST = SSA + SSB + SSAB + SSe 自由度：abn-1 a-1 b-1 (a-1) (b-1) ab(n-1) 总变差分解 均方数学期望 检验两个主效应及一个交互效应的下述三个统计量中，分母全部采用MSe即可。 检验H01，H02，H03的统计量分别为： 检验H01，H02，H03的统计量 从前述的各均方期望可知，只有当各H0成立时，上述三个分子才是?2的无偏估计量，此时各统计量均服从F分布；若某个H0不成立，则相应的分子将有偏大的趋势，从而使对应的统计量也有偏大的趋势，因此可用F分布上单尾分位数进行检验。 各效应的估计值 其中i=1, 2 ……a, j=1, 2, ……b。 计算公式 计算排列如下表： 表中最下一行是各列的平均，最右一列是各行的平均 计算步骤 变差来源 平方和 自由度 均方 统计量F 主效应A 主效应B 交互效应AB 误差 ? ? ? ? 总和 ? ? ? ? ? ? ? ? ? 方差分析表 把计算所得结果填入上表后，再根据各F统计量的自由度查出其F0.95及F0.99分位数，并将F计算值与相应分位数相比，大于F0.95则在统计量F右上角标一个“*”号；大于F0.99则再加一个“*”号。最后用一句话对上述方差分析的结果加以总结，即哪些主效应或交互效应达到显著或极显著水平，哪些不显著 F测验 如果MSAB小于或约等于MSe，即FAB小于或约等于1，说明此时交互作用不存在，在这种情况下也可把MSAB和MSe合并在一起(即把平方和和自由度都合并)作为σ2的估计量，这样可以提高检验的精确度。具体计算公式如下 交互作用不存在 然后可用作统计量FA和FB的分母，对两个主效应进行统计检验。注意查表时分母自由度要相应改变。 原料 种类 (A) 温 度（B） 30℃ 35℃ 40℃ 1 41 49 23 25 11 13 25 24 6 22 26 18 2 47 59 50 40 43 38 33 36 8 22 14 18 3 35 53 50 43 38 47 44 55 33 26 29 30 例3 选择最适发酵条件 本题中显然温度是一个因素，原料种类是另一个因素。这两个因素各有三个水平。由于它们的影响都是可控制、可重复的，因此都是固定因素。在同样温度、原料下所做的几次实验应视为重复，它们之间的差异是由随机误差所造成的 。 固定因素 j i 1 2 3 1 34.5 18.25 18 23.58 2 49 37.5 15.5 34 3 45.25 46 27 39.42 42