方差分析的基本概念第六章中,我们已经介绍了两个样本...` A67.pptVIP

第八章 方差分析 本章主要介绍方差分析的基本原理，单因子资料的方差分析方法，两因子资料的方差分析方法，方差分析的基本假定和数据转换 第一节 方差分析的基本概念 第六章中，我们已经介绍了两个样本所属总体平均值的假设检验可用 t-test 或 u-test 来检验其差异性 但在大多数情况下，我们的试验有 3 个或 3 个以上的样本需要进行比较 如果这许多样本都只和对照组相比，我们仍然可以使用 t-test 或 u-test 进行，但如果需要样本之间两两相比较的话，就不能使用 t-test 或 u-test 进行了 其理由有以下几个： 1、当有 k个样本所属总体的平均值相互两两比较，就需作 次比较，即作 假设检验 例如有 10 个样本平均值相比较，即需作 次比较，其工作量相当繁琐 2、假定每一样本的容量均为 n，那么如果我们用t-test 来作两两比较时，每一差数的标准误就都只能由 2(n-1) 来估计，而不能用总自由度 k(n-1) 来估计总的标准误，这就使得误差估计的精确度受到一定的损失，即我们不能充分使用试验中所有的信息量，这是十分可惜的 3、这种两两比较会随着样本组数的增加而加大犯Ⅰ型错误的概率 假定我们要比较 5 个样本平均数，两两比较就会有 个差数，对这10个差数如果我们都以 进行假设检验，单独对每一差数进行检验时，每一差数获得正确结论的概率就是 但这 10 个差数在一起进行比较、且都获得正确结论的概率就只有 因此在 10 次比较中至少出现一个错误结论的概率就不再是 而是 这么大的犯错率无论如何是不能容忍的 这说明，当有多个样本相比较时，如果仍然采用 t-test 法，就大大地增加了犯Ⅰ型错误的概率 因此此时再用 t-test 法进行检验就不恰当了 如何对 个样本进行假设检验？ 这就是本章所要讨论的方差分析 什么叫方差？ 方差是对数据（或称资料）变异的度量 方差的公式： 总体： 样本： 一般总体方差称方差，样本方差称均方 能使变量发生变异的原因很多，这些原因我们都将其称为变异因素或变异来源 方差分析就是发现各类变异因素相对重要性的一种方法 方差分析的思路就是：把整个试验（设有 k 个总体）的样本资料作为一个整体来考虑 把整个试验的总变异按照变异的来源分解成不同因素的变异 由于方差等于平方和除以自由度，因此总方差分解成各因素的方差，就是将形成总方差的平方和和自由度分解为各因素的平方和和自由度 然后对各个因素的方差作出数量上的估计，从而发现各个因素的方差的相对重要程度 从总方差中除去各可控因素所引起的方差后，剩余方差又可以准确地估计试验误差，作为统计假设检验的依据 因此，方差分析可以帮助我们抓住试验的主要矛盾和技术关键，发现主要的变异来源，从而抓住主要的、实质性的东西 因此，方差分析是一种十分重要的统计工具 此外，方差分析还有其他十分重要的用途，例如用于遗传分析，估计参数等 方差分析中F分布的复习： 在一个总体中每次抽取两个样本，这两个样本的容量分别为 和 ，每个样本计算其均方 ，不断地抽样，就可以得到一系列的 ，这些 F值就形成了一个分布 F 分布是一簇曲线，每条曲线仅决定于 和 F 分布的平均数为 ，其分布范围为 本书附表 6 是不同自由度 、 下的右尾概率0.05、0.01 的概率值 下面我们按不同的数据结构来介绍方差分析方法 第二节 方差分析的基本假定和数据转换 一、方差分析的基本假定 方差分析是建立在一些基本假定的基础上的 这些基本假定是： （一）处理效应、误差效应是可加的，即方差分析是建立在线性可加模型的基础上的： （二）试验误差是独立的随机变量，且呈正态分布： （三）所有处理的误差方差均为同质： 即：数据的可加性 数据的正态性 方差的同质性 二、数据的转换 一般情况下，我们所取得的数据能满足或基本满足这三个基本假定，但当数据不能或基本不能满足这三个基本假定时，就应当进行数据转换，使其满足这三个基本假定 数据转换有以下几种方法： （一）平方根转换法（square root transformation） 当数据的平均值与均方成比例关系时，可将每一观测值 x 作此类转换，即 当数据中有 0 或有接近于 0 的值时，取 如数据为间断性变量，或成数、且其中有 0.8、0.2 的值时 平方根转换的作用是减小极