生物统计第8章-两因素及多因素方差分析.pptVIP

8.1 多因素的试验设计 8.2 两因素方差分析中的一些基本概念 8.3 固定模型 8.4 随机模型 8.5 混合模型 8.6 两个以上因素的方差分析 8.7 缺失数据的估计 8.8 变换 实际工作中经常会遇到两个或两个以上因素共同影响实验结果的情况。这样的实验设计称为交叉分组设计（cross over design）。对于两因素交叉分组设计的实验应采用两因素方差分析（two factors analysis of variance）或者称为两种方式分组的方差分析（two way classification analysis of variance）方法分析实验结果。 因素可以分为固定因素和随机因素。两因素实验中，两个因素都是固定因素时，称为固定模型（fixed model）；两个因素均为随机因素时称为随机模型（random model）；两个因素中一个是固定因素，另一是随机因素时称为混合模型（ mixed model）。这三种模型虽然在计算时没有多大不同，但在设计实验时，特别是各因素水平的获得时却有很大区别。它们的均方期望不同，因此检验方法和对结果解释都存在极大不同。 8.1.1 主效应与交互作用 由于因素水平的改变而造成因素效应的改变称为该因素的主效应。 由于因素之间的相互作用造成效应的改变是交互作用。 举例说明 对于两因素之间是否存在交互作用，有专门的统计判断方法，一般情况下，可以根据专业知识判断。另外可用做图法进行判断。 当A、B之间不存在交互作用时，从B1变化到B2是不依A水平的不同而改变，如图9-1a（B1-B1平行于B2-B2）；若两者之间存在交互作用，则A的效应依B的水平而不同，如图9-1a（B1-B1不平行于B2-B2）。 直观图可以帮助判断因素之间是否存在交互作用，但在处理数据时只凭图象是不行的，由于实验误差的干扰，需要经过严格的数据分析之后，才能最后断定。 两因素实验的典型设计是：假设A因素有a个水平，B因素有b个水平，则每一次重复都包括ab次实验，并设实验重复n次，实验总次数为abn次。iijk表示A因素第i水平，B因素第j水平和第k次重复的观测值。数据如下表所示。 上表中各种符号说明：xi..表示A因素第i水平的所有观测值的和；x.j.表示B因素第j水平所有观测值的和；xij.表示A的第i水平和B的第j水平的所有观测值的和；x…表示所有观测值的总如。用公式表示如下（A、B可以是固定因素，也可以是随机因素）： 每一平方和自由度分析如下：总自由度为abn-1；A因素自由度为a-1；B因素自由度为b-1；交互作用的自由度，是两因素全部水平的组合数减1，再减A、B主效应自由度，即(ab-1)-(a-1)-(b-1)=(a-1)(b-1) ； 根据经验或专业知识，可以判断两因素间确实无交互作用（如种植密度与年份的关系），也可以不设重复(n=1），将大大减少工作量，也能达到同样的效果。 分析方法类似刚刚阐述的有重复实验时的两因素方差分析。  下表为受试者在一天内的四种不同时间，以四种不同速度工作，即正常速度的60%、80%、100%、120%所得到的能量消耗值。试验共有16个处理，每一处理重复2次，共做32次。试分析在选定的四种速度下，能量的消耗是否有显著差异？ 原则：补上缺失数据之后，所得到的误差平方和SSe最小。要满足这个原则，即要求dSSe/dx=0，解一元一次方程即可得到。 方差分析三个前提条件：可加性；正态性；方差齐性。 变换的目的是满足方差齐性的要求，同时对正态性及可加性的要求都可得到较好的满足。 变换方法有三种： 平方根变换：属于泊松分布的数据，它们的平均数与方差等值，常常需要采取平方根变换。如单位面积内的菌落数，一定区域内某种昆虫或某种植物数等都属于这种情况。对于这类数据应该将每个观测值取其平方根后再计算。当数值很小时，如有几个数小于10时，为了矫正可以使用观测值加1后的平方根变换。 反正弦变换：该方法取每个观测值平方根的反正弦值，使之变成一个角度，而后用这个角度做方差分析。这种变换方法适用于以百分数表示的二项分布数据，特点是数据范围很大时，尤其要使用这种变换。当百分数的范围是在0%-20%或80%-100%时，可以用平方根变换。后者在变换之前应先用100减去各百分数。若百分数的范围是在30%-70%则不一定非要做变换。当百分数的变化范围很大时，一定要做反正弦变换。变换后的数据可以从附表10中查出。 对数变换：当方差与平均数的平方成正比时，需做对数变换。变换后的方差具备齐性。对数变换适用于大范围的正整数，对于一些小的数值，例如小于10时，变换时采用每一观测值都加上1再