第十一章协方差分析.pptVIP

第十一章 协方差分析(p180) 1 协方差分析的意义 2 协方差分析的步骤 3 协方差分析类型 4 有关协方差分析的几个问题 1 协方差分析的意义 二、估计协方差组分 2 协方差分析的步骤 3 协方差分析类型 4 有关协方差分析的几个问题 教学内容 第一章　绪论 第二章 常用的试验设计 第三章　试验资料的整理及特征数 第四章　理论分布与抽样分布 第五章　统计推断 第六章　卡平方测验 第七章　方差分析基础 第八章　单因素试验的统计分析 第九章　多因素试验结果的分析 第十章　直线回归与相关分析 第十一章 协方差分析 * * * 协方差（covariance）是两个变数的互变异数。 协方差分析：是方差分析与回归分析相结合而产生的一种资料分析方法。又叫互变量分析或相关变量分析。 协方差分析的主要功用有二： ⒈ 对试验进行统计控制。 用处理前的记录（基数）提高处理后比较的精确度。 2.是对协方差组分进行估计 现分述如下。 一、对试验进行统计控制 　为了提高试验的精确性和准确性 ，对处理以外的一切条件都需要采取有效措施严加控制，使它们在各处理间尽量一致，这叫试验控制。 　　　但在有些情况下，即使作出很大努力也难以使试验控制达到预期目的。例如：研究几种配合饲料对猪的增重效果，希望试验仔猪的初始重相同，因为仔猪的初始重不同，将影响到猪的增重。 　　　经研究发现：增重与初始重之间存在线性回归关系。这时可利用仔猪的初始重(记为x)与其增重(记为y)的回归关系， 将仔猪增重都矫正为初始重相同时的增重，于是初始重不同对仔猪增重的影响就消除了。由于矫正后的增重是应用统计方法将初始重控制一致而得到的，故叫统计控制。 　　　统计控制是试验控制的一种辅助手段。经过这种矫正，试验误差将减小，对试验处理效应估计更为准确。 若 y 的变异主要由x的不同造成(处理没有显著效应)，则各矫正后的y’间将没有显著差异(但原y间的差异可能是显著的)。若 y变异除掉x不同的影响外， 尚存在不同处理的显著效应，则可期望各y’间将有显著差异 (但原y间差异可能是不显著的)。此外，矫正后的 y’和原y的大小次序也常不一致。所以， 处理平均数的回归矫正和矫正平均数的显著性检验，能够提高试验的准确性和精确性，从而更真实地反映试验实际。 在随机模型的协方差分析中，根据均积 MP 和期望均积 EMP 的关系，可得到不同变异来源的协方差组分的估计值。有了这些估计值，就可进行相应的总体相关分析。这些分析在遗传、育种和生态、环保的研究上是很有用处的。 由于篇幅限制 ，本章只介绍对试验进行统计控制的协方差分析。 处理前观察记录基数（x）；处理后取得观察数据(y)； 第一步：求各种平方和与乘积和 X项 Y项 XY项 第二步：回归关系显著性测验 回归关系不显著,即基数对处理后的效应无影响，不必矫正，则可用一般的方差分析对处理间的差异性进行F测验。 回归关系达显著，表明有必要进行回归纠正。 第三步：纠正后的处理间方差分析 若F测验不显著，说明除去回归关系后各处理差异不显著，分析至此完毕。 若F测验显著或极显著，说明各处理经除去y关于x的回归关系后合仍存在显著的差异，应进行第四步分析。 第四步，用回归关系矫正每处理的平均值再作多重比较。 （1）完全随机化的协方差分析 （2）随机区组设计的协方差分析。 （3）正交试验的协方差分析 1. 含一个协变数的协方差分析 含一个协变数完全随机化设计的协方差分析实例 p182例:为研究A、B、C三种肥料对苹果的增产效果，选用24株同龄树，第一年记下各树产量（x,公斤）,第二年将每种肥料随机施于8株苹果树上，得到产量（y,公斤）如表： X 44 48 46 50 59 57 58 53 Y 52 58 54 61 70 64 69 66 C X 52 53 64 58 59 61 63 66 Y 54 53 67 62 62 63 64 69 B X 47 58 53 46 49 56 54 44 Y 54 66 63 51 56 66 61 50 A 观察值 肥料 SAS分析 实例：sas程序 data fL; INPUT TRT $ X Y@@; CARDS; A 47 54 A 58 66 …… C 58 69 C 53 66 ; PROC GLM; CLASS TRT; MODEL Y=TRT X/SOLUTION; LSMEANS TRT/STDERR PDIFF; RUN; 输出参数的估值