第7章节方差分析⑵.ppt

试验统计学 第四章 概率论与数理统计的基础知识 第七章 方差分析 第二节 处理平均数间的多重比较 B1土壤类型： 0.5ns ① －② 3.5 A2 ③ ② ① 序号 4.0 4.5 0.5ns A3 1.0ns A1 －③ 品种 B2土壤类型： 4.5** ① －② ② ① 序号 3.5 8.0 A1， A2 A3 品种 B3土壤类型： 1.5ns ① －② 4.0 A1 ③ ② ① 序号 5.5 7.0 1.5ns A3 3.0* A2 －③ 品种 B4土壤类型： 2.5ns ① －② 5.0 A1 ③ ② ① 序号 6.0 8.5 1.0ns A2 3.5* A3 －③ 品种 下面举一个混合模型的例子。 例7.11 为了了解4种不同的去雄方法（A1、A2、A3、A4）在对不同品种的水稻进行操作时的效果，从众多的水稻品种中随机抽取了5个品种 （B1、B2、B3、B4、B5）参加试验，共有20个处理组合。每个处理组合观察3株。试验结果如表7.47所示。试对结果进行适当的分析。 4.0 4.8 5.4 7.0 8 7 8 6 8 6 5 7 5 6 5 4 B5 7 7 9 6 5 6 4 3 5 4 3 4 B4 8 8 6 4 7 3 7 9 5 5 3 4 B3 6 7 6 7 4 7 3 5 4 5 4 2 B2 4 7 7 5 4 3 3 3 4 4 3 4 B1 A4 A3 A2 A1 去雄方法 品种 表7.48 四种去雄方法对不同品种的作用 182.6 59 总变异 1.450 58.0 40 误差 2.665 2.003 1.402ns 2.033 24.4 12 互作 3.828 2.606 4.759** 6.9 27.6 4 品种 4.313 2.839 11.902** 24.2 72.6 3 方法 2.394 1.853 4.523** 6.558 124.6 19 处理 F0.01 F0.05 F MS SS df 变异来源 表7.49 例7.11的方差分析表 本例中，四个去雄方法是要比较的对象，因此属于固定效应。五个品种只是从众多的品种中抽取出来的一个样本，因此属于随机效应。 这里要特别提醒的是，在象本例这样的混合模型中，F值是如何计算的。 表7.35所提供的期望均方可知: 在混合模型中，对AB互作的F测验中的F值应 由 算得 。表7.49表明，AB互作不显著，即各 种品种对这四个方法的反应是相同的。 对因素B(品种)进行测验： 因为因素B是随机模型，所以统计假设为 : F值应由 算得。 F测验表明 ，如果要对 进行估计， 则 。 表7.35所提供的期望均方可知: 对因素A (四种去雄方法)的差异进行测验： 因为因素A是固定模型，所以统计假设为 : F值应由 算得。 本例中，F测验显著——不同去雄方法间有显著差异，所以要对因素A的各个水平（去雄方法）进行多重比较。 表7.35所提供的期望均方可知: a. 计算标准误： 分母为bn为每去雄方法的观察值数目。 b.查Duncan表得SSR值并计算各种LSR值 （使用自由度 dfAB = 12）： 1.674 1.189 4.55 3.23 3 1.722 1.225 4.68 3.33 4 1.590 1.133 4.32 3.08 2 LSR0.01 LSR0.05 SSR0.01 SSR0.05 g 表7.50 查得的SSR值及各种LSR值的计算 分子应为方差分析表中的MSAB 。 c.列梯形表进行比较： 4.0 A1 0.8ns 4.8 A2 0.6ns 1.4* 5.4 A3 1.6** 2.2** 3.0** 7.0 A4 平均数 去雄方法 表7.51 对土壤类型平均数进行比较的梯形表 1.674 1.189 4.55 3.23 3 1.722 1.225 4.68 3.33 4 1.590 1.133 4.32 3.08 2 LSR0.01 LSR0.05 SSR0.01 SSR0.05 G 表7.50 查得的SSR值及各种LSR值的计算 d. 结论： 去雄方法品种A4与其它所有方法之间都有极显著差异； 方法A3与品种A1之间有显著差异，其它的方法之间没有显著差异。 在植物遗传学的研究中，常使用随机模型，即从众多植物品种（或品系或家系）中，随机抽取若干(