田间统计第9章 _协方差分析.ppt

第九章 协方差分析 ;一、协方差分析的意义; 对于具有n对观测值的样本，x与y的样本协方差COV（x, y）定义为双变量离均差乘积和与自由度的商，即： 其中， 为x的样本平均数， 为y的样本平均数。 ; 样本协方差亦称为均积, 简记为MP，是总体协方差的估计值。 方差 是用来度量单个变量 “ 自身变异”大小的总体参数，方差越大，该变量的变异越大； 协方差是用来度量两个变量之间“协同变异”大小的总体参数，即二个变量相互影响大小的参数，协方差的绝对值越大，二个变量相互影响越大。; 对于仅涉及单个变量的试验资料，由于其总变异仅为“自身变异”（如单因素完全随机设计试验资料，“自身变异”是指由处理和随机误差所引起的变异），因而可以用方差分析法进行分析； 对于涉及两个变量的试验资料，由于每个变量的总变异既包含了“自身???异”又包含了“协同变异”（是指由另一个变量所引起的变异），须采用协方差分析法来进行分析，才能得到正确结论。 ;二、协方差分析的功用 ;第二节 单因素完全随机设计试验资料的协方差分析 ;肥料; 试验用4种肥料分别施10株梨树，各组的单株产量 y 既包含了不同肥料所引起的“自身变异”，也包含了不同的起始干周x所引起的 “协同变异”，因此应采用协方差分析法将“协同变异”从 y 的总变异中剔除，获得y的“自身变异”，然后才能正确地检验4种肥料平均单株产量是否有显著差异。 ; 表9—1中观测值不仅具有肥料效应和随机误差，而且还受到起始干周的影响。故单因素完全随机设计试验资料观测值的数据结构式为: ; 其中 μx和μy和分别是x和y的总体平均数； 为第i个处理效应(固定效应)； 为各组依总体的回归系数 的加权 平均数(假定 成立)， 为由于 偏离μx所引起的y的变异部分； 为 随 机 误 差 、相 互 独 立 、且 都 服 从 N（0,σ2）。 ; (9-3)式就是单因素完全随机设计试验资料协方差分析的数学模型。 由(9-3)式移项可得 若将yij用样本统计量来表示，则有: ; 若令 或 ,则(9-4)式或(9-7)式说明,在观测值中剔除处理效应后，即误差项，进行 与 的线性回归分析，可求出 的估计值be； 若令 或 ,则(9-5)式或(9-8)式说明,在对观测值进行回归矫正后, 对 进行方差分析就排出了xij不一致对yij的影响。 ;（二）计算变量x和y的各项自由度、平方和与乘积和 ;乘积和计算如下;; 表9-3、起始干周x和单株产量y的方差分析表 ; F检验结果表明，4种肥料的供试梨树起始干周差异不显著，单株产量差异极显著。 这里对y进行的F检验是在没有考虑x的影响下进行的, 若x与y之间没有显著的回归关系,即x对y没有显著影响，上面对y进行的F检验结果可以接受； 若x与y之间有显著的回归关系,即x对y有显著影响, 则需对y矫正后再进行的F检验,才能获得正确结论。 ;（四）计算回归系数并进行显著性检验 回归系数由误差项的统计数计算。 be=0.7359表示起始干周改变1cm，单株产量将平均改变0.7359 kg。 对be进行显著性检验如下： ;;(五)对矫正后的单株产量作方差分析 ; 矫正单株产量的误差平方和与自由度，即误差离回归平方和与自由度，记为SSe’、dfe’; 2、对矫正单株产量进行方差分析 表9-4 矫正单株产量的方差分析表 ; 3、根据线性回归关系计算各肥料的矫正平均单株产量 ;;4、各肥料矫正单株平均产量间的多重比较 ; 例如，检验A1与A2矫正单株平均产量间的差异显著性： 查 t 值表, t0.05(35) = 2.030，t ＜t0.0(35)，p＞0.05，表明肥料A1与A2矫正单株平均产量间的差异不显著。 其余的每两处理矫正平均数间的比较都须另行算出 ,再进行t检验。; （2）LSD法 当误差项自由度在20以上，x变量的变异不甚大(即x变量各处理平均数间差异不显著)，为简便起见，可计算一个平均的 ，采用LSD法进行多重比较。