32两因素等重复试验下及方差分析.docVIP

课　时　授　课　计　划 课次序号：15 一、课　　题：§3.2 两因素等重复试验下的方差分析 二、课　　型：新授课 三、目的要求：1.掌握两因素等重复实验下的方差分析理论与方法、模型的建立与显著性检验； 2.掌握利用方差分析的SAS过程解决有关实际问题. 四、教学重点：方差分析方法的基本理论；利用方差分析的SAS过程解决有关实际应用问题. 教学难点：方差分析方法的基本理论；利用方差分析的SAS过程解决有关实际应用问题. 五、教学方法及手段：传统教学与上机实验相结合． 六、参考资料： 《应用多元统计分析》，高惠璇编，北京大学出版社，2005； 《使用统计方法与SAS系统》，高惠璇编，北京大学出版社，2001； 《多元统计分析》(二版)，何晓群编，中国人民大学出版社，2008； 《应用回归分析》(二版)，何晓群编，中国人民大学出版社，2007； 《统计建模与R软件》，薛毅编著，清华大学出版社，2007. 七、作业：3.6 八、授课记录： 授课日期 班　　次 九、授课效果分析： 复习 单因素方差分析 1．统计模型 因变量Y—因素，水平，上观测值 ， 2．显著检验 或 ，拒绝． 3．置信区间 置信度的置信区间， 置信度的置信区间为 个的置信度至少的Bonferroni同时置信区间 §3.2 两因素等重复实验下的方差分析 3.2.1 统计模型 设影响Y的因素有两个，分别记为A和B，其中A有a个不同水平，B有b个水平．在因素A和B的各水平下均做c(c1)次实验，记为水平组合下第k次实验的Y的观测值，则两因素等重复试验下的方差分析数据可表示为表3.7的形式． 表3.7 两因素等重复方差分析数据 因素B 因素A ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( ( 和 对于任一水平组合(总体), Y观测值为， 则各样本间是相互独立的．样本观察值可看成是来自均值为的总体，即 ， 令，为水平组合下Y的随机误差， 则， 这样，就是其均值与随机误差迭加而产生的． 因此，两因素重复试验下方差分析的统计模型： 为便于统计分析，我们需要对水平组合上的样本均值作进一步分解，为此引入如下记号： 其中为总平均， ，是因素水平与因素水平在单元上所有观察值的平均，为因素A的水平的效应，为因素B的水平的效应． 进一步有 其中反映了水平组合对Y的效应．一般情况， 其差称为与的交互效应．因此 容易验证： 因此两因素等重复下的方差分析模型等价地改写为如下形式： 3.2.2交互效应及因素效应的显著性检验 一．偏差平方和分解 下面先对Y的观测的总平方和进行分解： ， ， ， 观测数据的总（偏差）平方和为 其中 ——因素的平方和 由于，为的无偏估计，故度量的各水平效应的估计量的变化． ——因素的平方和 由于，为的无偏估计，故度量的各水平效应的估计量的变化． ——交互效应的平方和 由于，为的无偏估计，故度量和的交互效应的估计量的变化． ——误差平方和 度量了来自各总体的观测值与其样本均值的差异，反映了误差的变化． 由于且相互独立，可得 分别称为的自由度，称为的自由度，为上述四个自由度的和． 令 ——因素的均方， 则 ——因素的均方， ——交互效应均方， ——误差均方， ， 为的无偏估计 二．假设检验 对两因素的情况，方差分析的主要目的除了考察因素A或B的各水平对因变量Y的影响有无显著差异外，还要考虑A和B之间是否存在交互作用，因为交互作用的存在会直接影响到对A和B影响检验结果的解释．涉及如下三个检验问题： 不全相等 不全相等 检验问题也可以改写成： 利用上述结果，构造适当的统计量检验上述假设． 为的无偏估计，如果假设成立，取值接近，如果假设不成立，则有增大的趋势．因此，针对检验分别构造统计量，分别有 如果，各检验统计量的值变大，则拒绝原假设．各检验的值分别为 其中为统计量观测值． 给定显著性水平，如（或），则拒绝（或）．否则不能拒绝（或）．结果如下： 表3.8 两因素（a×b）等重复数c试验下的方差分析表形式 变异来源 source 离差平方和 SS 自由度 df 均方 MS F统计量 F P值 P 因素A SSA 因素B SSB A×B 交互效应 SSA