第八九讲方差分析.ppt

第一节 单因素方差分析 (one-factor analysis of variance) 一、一般概念及两种不同的处理效应 　　 方差分析是一类特定情况下的统计假设检验，或者说是平均数差异显著性检验的一种引伸。t 检验可以判断两组数据平均数的差异的显著性， 而方差分析则可以同时判断多组数据平均数之间的差异的显著性。当然，在多组数据的平均数之间做比较时，可以在平均数的所有对之间做 t 检验。但这样做会提高犯Ⅰ型错误的概率，因而是不可取的。 例如，我们打算用一对一对地比较的方法检验5个平均数之间的相等性，共需检验C25＝10对。假设每一对检验接受零假设的概率都是1－α＝0.95，而且这些检验都是独立的，那么10 对都接受的概率是(0.95)10＝0.60。α′＝1－0.60＝0.40，犯Ⅰ型错误的概率明显增加。 用方差分析的方法做检验可以防止上述问题的出现。方差分析的内容很广泛，上面讲到的那种情况是方差分析中最简单的情况，称为单因素方差分析或者称为一种方式分组的方差分析(one-way classification analysis of variance)。 例 2.1　调查了5个不同小麦品系的株高，结果列于表2－1。 　　 在这个例子中，只出现“品系”这样一个因素(factor)，故称单因素。共有5 个不同的品系，我们称品系这一因素共有5个水平(level)。5个品系可以认为是5个总体，表 2－4的数据是从5个总体中抽出的5个样本，通过比较这5个样本，判断这5个总体是否存在差异。 例 2.2 为了探讨不同窝的动物的出生重是否存在差异，随机选取4窝动物，每窝中均有4只幼仔，结果如下： 以上两个例子的共同点是：每个实验都只有一个因素，该因素有a个水平或称为有a个处理(treatment)，这样的实验称为单因素实验。 从单因素实验的每一处理所得到的结果都是一随机变量X i。对于a个处理，各重复n次（或者说做n次观察）的单因素方差分析的一般化表示方法见表2－3 。 表中的数据xij，表示第 i 次处理下的第j次观察值。其中的n个符号做如下说明： 单因素方差分析的基本原理 核心思想 单因素方差分析的基本原理 单因素方差分析是研究一个因素的变化对试验指标的影响 是否显著的统计分析方法。 设因素A有r个水平 在水平 下 进行 次独立试验，试验记录如表9-2 表 9-2 独立试验记录表 其中 表示第i水平 进行第j次试验的可能结果。 假设， ， 。待检假设为： 不全相等。 如果 成立，那么r个总体间无显著差异，即是说因素A对试 验结果的影响不显著，所有 可视为来自同一个总体 ,各 间的差异只是由随机因素引起的。若 不成立，则在 所有的 总变差中，除随机波动引起的变差外，还应包括由于因素A的不同 水平作用产生的差异。如果不同水平作用产生的差异比随机因素引 起的差异大得多，就认为因素A对试验结果有显著影响，否则就认 为因素A对试验的影响不显著。为此可在总变差中先将这两种差异 分开，然后进行比较。 记 (9-1) 称 为第i组的样本均值， 为样本总均值。再记 (9-2) 称为总离差平方和。我们将 分解如下： (9-3) 其中， (9-4) 是组间平方和，反映了不同水平作用产生的差异大小