第3章方差分析(精品课程).doc

第三章方差分析（初稿） 3.1 单因素方差分析的数学模型 首先让我们看两个例子： 例3.1 设甲、乙、丙三块麦田的基本苗数（按面积大小抽取样本点数）得表3.1，问三块地的基本苗数是否有显著差别？ 表3.1三块麦田的基本苗数 甲 乙 丙 21 20 24 29 25 22 24 25 28 22 23 25 25 29 21 30 31 26 27 24 . 26 26 . . 20 . . 21 . 例3.2为了研究淬火温度和等温温度对铣刀硬度的影响三 种不同淬火温度和三种等温温度淬火，测得铣刀平均硬度如表3.2，检验淬火温度及等温温度是否对硬度y有显著影响。 表3.2 淬火温度与等温温度对硬度的影响 淬火温度 等温温度 B1 B2 B3 A1 64 66 68 A2 66 68 67 A3 65 67 68 这两个例子和以前回归分析的问题不同．首先，它们都只考察某种因素(地块、淬火温度、等温温度)在一系列试验中对产品某个指标(寿命、得率)的影响是否显著，而不要求建立回归方程；其次，这些因素可以不是定量的(如地块)，即或这些因素是定量(如淬火温度与等温温度)但其数值也不作为回归中变量的观察值，而只是代表一种处理（试验方案）；最后，当因素确定后，可以作反复的试验。这两个例子和以前均值假设检验也不同，均值假设检验不考虑因素问题，而方差分析要考虑。 在许多科学研究中都遇到和这两个例子类似的问题。尤其是科学研究中常涉及许多因素，例如研究作物栽培时，要考虑播种期、品种、土质、施肥方式、灌溉方式对产量的影响；在化学反应中要观察原料成分、剂量、催化剂、温度、压力，搅拌速度等对得率的影响。这些因素中要选出影响大的，以进一步安排更细致的试验，而判断一个因素的影响“是否大”的主要方法就是方差分析。 我们所考察的。影响产品指标的因素(如产地，温度等)也称为因子，用大写字母A,B,C表示，例1有一个因子（地块），例2有2个因子（如淬火温度与等温温度）。因素所能处的状况，如甲、乙、丙；60，65，70，75，……，称为因子的水平，简称为水平。例1的因子有三个水平（甲、乙、丙），例2每个因子恰也有3个水平，水平常以表示。 因子也可以看成是一种变量，其取值不是数，而是水平。例如“产地”是一个变量，它取的值是“北京”、“上海”、“南京”等。这种变量称为属性变量，定性变量或分类变量．本节只讨论一个因子，即一个分类变量的方差分析——单因子方差分析。 方差分析的目的在于找出自变量与因变量之间的线性关系，或自变量对因变量的实验效果。这种实验效果可分为：主效果、交互效果、镶嵌效果。 Qualitative Variable(自变量，又称独立变量、定性变量)，Classification Variable(分类变量，其数值多半是不连续的。Response Variable（因变量，又称反应变量，其数值则是连续的） 一般地，假设因素A有k个水平：。第j个水平做实验次，得指标y，的个数据。例3.1中。通常作如下假设： 同一个水平下得到的观测值，是由于实验过程中各种偶然因素的干扰及测量误差所致，每次实验中这些偶然因素的总和称为实验误差，它们是方差相同的零均值正态随机变量； 所有误差相互独立； 由于水平的不同，可能会给一个定量的确定性的影响，其大小是未知的。 于是我们建立单因子方差分析数学模型 （3.1） 其中相互独立，。(4.1)式称为单因素方差分析的数学模型。 判断这个因素的影响是否显著就是要检验假设： ,不全相等 令 ，， 容易证明是的最小二乘估计 作方差分解 并令 ， 即: -----总的误差平方和 组内差，反映试验误差影响的大小。 ------组间差，反映因素A的各个水平不同引起的误差，若A的水平引起的误差显著时， 就比较大，反之就比较小。 则有： 分别称为组内差和组间差。组内差又称为误差，用以估计实验误差影响的大小；组间差反映因素A的水平不同引起的系统差异。若A的水平不同引起的系统差异(即组间的差距)显著时，SSA就比较大；反之，当A引起的系统差异不显著时，SSA就比较小．而SSE主要是由试验误差引起的。SSA由k个平方之和形成，但有一个恒等式约束，只有k-1个自由度；同理SSE有n-k个自由度。下列定理给出SSA/SSE的分布 定理： 对于所给的模型，若成立时， 则 如果F的值超过临界值（通常取为），就否定；当F超过时，就称为高度显著。当成立时，F的值不应太大，若F的值大于临界值时，就应否定，即认为间存在显著差异。 一般总用方差分析表表示计算结果，其形式为： 方差来源 平方和 自由度 均方 F值 临界值 因素A K-1 F 误差 N-K