3-2双因素方差分析精选.ppt

* 设在某试验中，有二个因素A、B在变动。 因素A取r个不同水平 A1，A2，…，Ar， 因素B取s个不同水平 B1，B2，…，Bs， 在(Ai, Bj)水平组合下的试验结果独立地服从N(?ij,?2)分布。 双因素无重复试验的方差分析 例3 将土质基本相同的一块耕地分成均等的五个地块，每块又分成均等的四个小区。有四个品种的小麦，在每一地块内随机分种在四个区上，每小区的播种量相同，测得收获量如下表 （单位：公斤），试以显著性水平?1=0.05, ?2=0.01考察品种和 地块对收获量的影响是否显著。 这是一个双因素无重复试验的方差分析问题。 若?ij=?+?i+?j，我们称该方差分析模型为无交互作用的方差分析模型。此时，我们只需对（Ai, Bj）的每个组合各做一次试验，记其结果为xij，则 xij=?+?i+?j+?ij。因此，无交互作用的方差分析模型为 H01: α1=α2=…=ar=0， H11:α1,α2,…, ar不全为零 H02: β1=β2=…=βs=0 ， H12:β1, β2,…,βs不全为零 若检验结果拒绝H01 (H02)，则认为因子A (B) 的不同水平对结果有显著影响，若二者均不拒绝，那就说明因子A与B的不同水平组合对结果无显著影响。 因素A的偏差平方和 反映因素A的水平间的差异引起的波动。 因子B的偏差平方和 反映了因素B的水平间的差异引起的波动。 误差平方和 反映了随机误差引起的波动。 总的偏差平方和 反映了数据xij总的波动大小。 在H01，H02为真时 对给定的显著性水平?，当 FAF?(r-1, (s-1)(r-1))时拒绝H01, FBF?(s-1, (s-1)(r-1))时拒绝H02 . 对给定的显著性水平?，当 FAF?(r-1, (s-1)(r-1))时拒绝H01, FBF?(s-1, (s-1)(r-1))时拒绝H02 . 例3 将土质基本相同的一块耕地分成均等的五个地块，每块又分成均等的四个小区。有四个品种的小麦，在每一地块内随机分种在四个区上，每小区的播种量相同，测得收获量如下表（单位：公斤），试以显著性水平α1=0.05,α2=0.01考察品种和地块对收获量的影响是否显著。 查表得临界值F0.05(4，12)=3.26，F0.01(3，12)=5.95。由于 FB＜F0.05(4，12)，故认为地块不同对收获量无显著影响。 由于FA＞F0.01(3，12)，故认为品种不同对收获量影响极显著。 为研究三种不同作物对污泥中镉吸收能力的差别，选择4个地块划分成三个小区，三种作物随机分种在每个地块的三个小区上。在所有地块上施用同等数量的污泥，作物收获后分别测定其中镉的积累量（微克/千克） 3 5 6 4 作物3 4 4 4 2 作物2 7 8 6 7 作物1 地块4 地块3 地块2 地块1 二、双因素等重复试验的方差分析 若?ij≠? + ?i + ?j ，则称? = ?ij - ? - ?i - ?j为因子A的第i个水平与因子B的第j个水平的交互效应，它们满足关系式： 为了研究交互效应是否对结果有显著影响，那么在（Ai,Bj） 水平组合下至少要做t（≥2）次试验，记其结果为xijk，则 要检验假设: H01: α1=α2=…=ar=0， H11:α1,α2,…, ar不全为零 H02: β1=β2=…=βs=0 ， H12:β1, β2,…,βs不全为零 H03: 对一切i, j 有 ?ij=0, H13:?ij不全为零 将总的离差平方和分解： Se反映了误差的波动；SA，SB，SA×B除反映误差的波动外还分别反映了因子A的效应的差异，因子B的效应的差异，交互效应的差异所引起的波动。我们分别称它们为误并的偏差平方和，因子A的偏差平方和，因子B的偏差的平方和以及交互作用A×B的偏差平方和。 对给定的显著性水平α， 例4 在某化工生产中为了提高收率，选了三种不同浓度，四种不同温度做试验。在同一浓度与温度组合下各做两次试验，其收率数据如下面计算表所列（数据均已减去75）。试在α=0.05显著性水平下检验不同浓度、不同温度以及它们间的交互作用对收率有无显著影响。 经计算的方差分析表 方差分析结果表明，只有因子A是显著的（因为4.09＞3.89） 即浓度不同将对收率产生显著影响；而温度及交互作用的影响都 不显著，这说明要提高收率必须把浓度控制好。