方差分析（Analysis of Variance, ANOVA ）.pptVIP

方差分析（Analysis of Variance, ANOVA ） Made by Dexiao Li 为什么两个样本均值的比较方法不能用于多个样本均值的比较？ 解决 k≥3个均数间差异检验的统计方法，采用R·A·Fisher于1923年提出的方差分析（ANOVA) ANOVA 的基本原理 方差分析的数学模型 ANOVA分析过程 1.平方和与自 由度的分解 1.平方和与自由度的分解 多重比较方法 （1） 最小显著差数法（简称LSD法） （2） 最小显著极差法（LSR法）：Duncan于1955年提出的新复极差法（SSR法）和Tukey于1949年提出的q法 方差分析的两种模型 （1）固定模型：当H0被拒绝后，需进行多重比较； （2）随机模型 当H0被拒绝后，就不需要进行多重比较，而是估计 方差分析的SAS实现 * * 如果显著水平为α，则两个样本的均值进行比较，犯弃真错误的概率等于α，接受正确的H0的概率为1- α 。 当有k个均值进行比较，就有k(k-1)/2个两两比较的组合，要使所有比较的组合得出正确结论的概率为： 而至少作出一个错误结论（H0正确而被拒绝）的概率为： 当k=5， α=0.05时， 当k=10，α=0.05时， 把k个处理的观察值作为一个整体，计算它的偏差平方和，再把这个偏差平方和及其自由度分解成不同原因的偏差平方和及其自由度（如处理间平方和、处理内平方和等），然后根据这个偏差平方和分解构造统计量而形成方差分析的假设检验方法。 T.. 总计 Ta. xar … xa2 xa1 Aa … … … … T2. x2r … x22 x21 A2 T1. x1r … x12 x11 A1 和Ti. r … 2 1 重复 因素A ANOVA 的基本原理 表3-1-1 a个处理每个处理有r个观测值的数据模式 即: 可加性和εij的独立性、正态性和方差同质性假定 平方和计算公式 SST ar－1 总变异 MSA MSe SSA SSe a-1 a(r－1) 处理间（A） 试验误差（e） 期望均方EMS F MS SS 自由度DF 变异来源 表3-1-3 单因素完全随机等重复试验的方差分析表 实例 28640 7278 21 336 9216 2322 24 96 22 27 25 22 A4 5184 1310 18 72 15 19 18 20 A3 8464 2146 23 92 20 27 24 21 A2 5776 1500 19 76 13 21 23 19 A1（ck） 和Ti· 苗高xij 药剂A 表3-1-2 四种药剂处理对水稻苗高的影响 表3-1-4 表3-1-2资料的方差分析 222 15 总变异 9.83 118 12 误差 3.49 3.53 34.67 104 3 处理间 F0.05（3，12） F MS SS DF 变异系统 表3-1-5 例3-1-1均数的多重比较（LSD法） 18 A3 1 19 A1 4 5* 23 A2 1 5* 6* 24 A4 差 数 处理Ai 表3-1-6 例3-1-1均数的多重比较（标记字母法与多重直线法） A b 18 A3 A b 19 A1 A a 23 A2 A a 24 A4 α= 0.01 α= 0.05 α= 0.01 α= 0.05 差异显著性（多重直线法） 差异显著性（标记字母法） 处理Ai 表3-1-7 例3-1-1的LSR值 8.64 7.91 6.78 LSR0.01 7.35 7.14 6.78 LSR0.01 6.59 5.92 4.84 LSR0.05 5.23 5.07 4.84 LSR0.05 5.50 5.04 4.32 q0.01 4.68 4.55 4.32 SSR0.01 4.20 3.77 3.08 q0.05 3.33 3.23 3.08 SSR0.05 4 3 2 p 4 3 2 p q法 SSR法 表3-1-8 例3-1-1均值多重比较结果 A a A b 18 A3 A a A a b 19 A1 A 或 a 或 A 或 a b 或 23 A2 A a A a 24 A4 α= 0.01 α= 0.05 α= 0.01 α= 0.05 差异显著性q法 差异显著性（SSR法） 处理Ai 、 随机变量，σA2更重要 固定，估计αi Ai H0: σA =0 H0: αi =0,即：μ1=μ2=…=μa 零假设(H0) 新的随机样本 样本固定 重复抽样试验 σ2 + nσA2 σ2 + n∑αi2/(a-1) E(MSA) 随机模型(model II) 固定模型(model I) 比较的