农机试验设计2 双因素试验的方差分析.ppt

如果回归直线拟合不好，e′会随着x以 某趋势变化，如呈马蹄形 “∩”或“∪”，或 呈由小到大、由大到小的梯形分布等。 五、参数的统计性质 由推导得: S总=lyy=Q+U 其中: (S剩:剩余平方和) (S回:回归平方和) (总偏差平方和) (总自由度) fU--回归平方和自由度 f剩( fe )---剩余平方和自由度 fT=n-1 fU=1 fe=n-2 方差σ2的无偏估计为： 剩余标准差 1、回归直线的显著性检验 统计量: 当 时, 回归直线在α水平上显著，回归方程有意 义，反之不能断定X和Y之间有线性相关关系 。回归方程意义不大。 对于例3 说明回归直线(方程)非常显著。 F0.01(1,7) =12.25 81.05** 45167.13 557.277 1 7 8 45167.13 3900.94 49068.068 回归 剩余 总和 显著性 F 均方 自由度 平方和 方差来源 2.b的显著性检验 检验的统计量为: 当 ttα(n-2)时，认为b是显著的。说明x对y影 响显著。 b的标准差为 : 当b显著时，β的(1-α)×100%的置信区间 为： 对于例3 x对y有极显著的决定作用。 例3中β置信区间 3.b0的显著性检验 b0的标准差为: 检验的统计量为: 当ttα(n-2)时,b0显著，直线不过原点。 β0的（1-α）×100%的置信区间为: 对于例3： 即b0显著,直线不过原点。β0的99%的置信区间为: 二、重复试验情况 用Q(S剩)去检验U(S回)所作出的回归直线(方 程)显著，只表明相对于其它未加控制或考虑的 因素、试验误差而言，x的一次项对y的影响是主 要的。但它并没有说明x和y的相关关系是否是线 性的，影响y的除x外,是否还有一个或几个不可 忽略的、未加考虑或控制因素存在。也就是说回 归直线(方程)显著还不能说明回归方程拟合得好 。为了判断回归方程拟合得好坏应做重复试验。 1.部分重复试验 部分重复试验----对部分试验点进行重复试验。 设部分重复试验的情况如表所示 ? x1 x2 … xk xk+1 xk+2 … xn 和 平均 ? y11 y21 … yk1 yk+1 yk+2 … yn ? ? ? y12 y22 … yk1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? y1m y2m … ykm ? ? ? ? ? ? 和 y1 y2 … yk yk+1 yk+2 … yn y.. 平均 … ? ? ? ? ? ? . . . . . . ….. . . . yn yn xn . . yk+2 yk+2 xk+2 yk+1 yk+1 xk+1 yk ykm …… yk2 yk1 xk . . …… . . . y2 y2m …… y22 y21 x2 y1 y1m ….. y12 y11 x1 那么 . 此外利用前面m次重复试验得到的数据算出 由于S剩中包含试验误差、X对Y的非线性 影响和其它未加控制或考虑的因素影响。 如果从S剩中除去S误，那么剩下的平方和 就是非线性影响及其它未加控制或考虑的因 素影响。剩下的用S失拟表示。即: . 这时，比较S失拟/f失拟和S误/f误,就可知回归方 程拟合得好坏了。 令: 1.当 检验结果不显著，说明S失拟基本上是由试验 误差等引起的，进一步检验S回。 令: a):如果FFα ,显著，说明方程拟合得好。 b.如果不显著，说明回归方程无意义。这 时可作如下两种可能分析。 1).没有什么因素对y有影响。 2).误差过大。 2.当 时，检验显著，说明S失拟不能当作试验误 差。这时有两种可能。 a.当FFα时，说明回归方程中X一次项需要， 但X对Y存在非线性影响，应修正数学模型， 增加X的二次项等。 b.当FFα时，说明y和x是曲线关系或x和y无 关，回归方程无意义。 如果F显著,而FLf不显著时有： 当FLf显著时，σ2的估计为 回归方程 . . 例1:表4-2-2.y关于x的试验数据. 17.05 34.1 17.1 17.0 50.0 6 17.05 34.1 17.1 17.0 50.0 5 16.95 33.9 17.0 16.9 49.8 4 16.85 33.7 16.9 16.8 49.5 3 16.80 33.6 16.8 16.8 49.3 2 16.65 33.3 16.7 16.6 49.0 1 平均 和yi yi2 yil xi i 其中n=k=6,m=2 经过计算得 : 也可用 计算 . y