第七章方差分析.pptVIP

依据 的不同假定，将数学模型分为固定模型和随机模型。 1.侧重点不同； 固定模型主要侧重于效应值 的估计和比较； 燕麦田中某种杂草的株数 燕麦田中某种杂草的株数的平方根 捕获昆虫统计及捕获数的对数值 表7.14 方差分析表 习题 * * 第七章 方差分析 7.1 方差分析的意义 两个样本平均数间差异显著性 t测验或u测验 研究多个样本(处理)之间的差异 仍采用t测验或u测验，则存在几个方面的缺陷： ①统计工作量加大。 ②从统计上夸大了样本间的差异，使犯第一类错误的概率加大。 ③无统一精度的试验误差估计。 方差分析 英国统计学家 R．A．Fisher 1923年 方差分析的基本原理： 将总变异分裂为各个因素的相应变异， 作出其数 量估计； 估计试验误差， 作为假设测验的依据； 通过方差的显著性检验－F检验 发现各个因素 在变异中所占的重要程度， 推断。 进而对无效假设作出统 7.2 方差分析的步骤 一、平方和与自由度的分解 二、方差的显著性测验－F测验 三、多重比较 1.最小显著差数测验法(DLSD法) 2.Duncan’e新复极差法(SSR法) 3. q测验(q法) q测验与新复极差测验相似，其区别仅在于计算 最小显著极差LSRα值时不是查 SSRα，而是查 qα (附表9)。 查得qα值后，即有 对例7.1进行q测验结果列于表7.7A与表7.7B。 q测验的尺度高于SSR测验，因此，对于试验结论 有严格要求的试验，宜用q测验； 0.01 0.05 差异显著性 小 区 平均产量 品种 20.58 19.02 16.48 q0.01 16.32 14.69 12.10 q0.05 A B C A D 85 76 72 59 a a b B A A B a 当欲比较的平均数个数仅为2时， LSD法、SSR法和 q法的比较标准是完全一样的！ **. 三种多重比较方法的比较 LSD法：其实质还是t测验法，其主要功能是有 对照（CK）资料的多重比较上。 实际上各处理与 对照（CK）相比作出判断！ SSR法：可用于任何情况下的多重比较（有无对 照无关），是常用的效果较好的多重比较法。 q法：实质是SSR法，无非是提高了比较标准而已 线性可加模型：每个观测值可以划分成若干 个线性组成部分，它是分解平方和和自由度的 理论依据。 7.3 方差分析的数学模型与期望均方估计 一、方差分析的数学模型 方差分析是在一定的线性可加模型的基础上。 样本符号表示： 固定模型是指各个处理的平均效应 是固定的一个常量，满足 。 固定模型试验因素的水平常常是根据试验目的 事先主观选定的而不是随机选定的，例如几种不 同温度下的小麦籽粒的发芽情况等。 随机模型是指各个处理效应 不是一个常量， 的正态总体中 而是从平均数为零、方差为 得到的一个随机样本的结果。 如果某些试验条件不能人为控制或通过样本 对所属总体作出推断时属于随机模型。 两种模型的区别： 随机模型则侧重于处理效应的变异度方面，即 侧重效应方差的估计和检验。 2.结论的应用不同 固定模型所得结论仅在于推断处理范围内的特定处理； 随机模型所得结论则用于推断关于处理的总体。 不同的模型在设计思想和统计推断上有明显 的不同,因此方差分析的公式推导也有所不同。 所推导的平方和和自由度分解的公式没有区 别，但在F测验和统计推断上有些不同。 7.4 方差分析的基本假定 与数据转换 对试验数据进行方差分析是有条件的，即方差 分析的有效性建立在一些基本假定之上的。 (1) 可加性：处理效应与误差效应应该是可加 的，并服从方差分析的数学模型； 一、方差分析的基本假定 试验误差应当服从正态分布 的独立的随机变量。 因为方差分析只能估计随机误差，顺序排列 或顺序取样资料不能作方差分析。 应用方差分析的资料应服从正态分布， 即每 一观测值应围绕相应的平均数呈正态分布，非 正态分布的资料进行适当的数据转换后，也能 进行方差分析。 (2)正态性： (3)方差同质性：所有试验处理必须具有共同 的误差方差。 这是因为方差分析是将各处理的误差合并为 一个共同的误差方差， 以作为显著性检验共用 的误差项方差。 我们所得的各种数据，要全部准确地符合上述 三个假定，往往是不容易的； 因而采用方差分析所得的结果，只能认为是近 似的结果。 但是，在设计试验和收集资料过程中，如果能 够充分考虑这些假定，则在应用方差分析时，当 能获得更可信任的结论。 二、数据转换 对于并不符合基本假定的试验资料，在进行方差分析之前，一般可采用以下补救方法： 1．剔除某