6-4 两因子试验资料的方差-交叉分组.pptVIP

因子设计，两向分类ANOVA ——交叉分组资料，两因子有重复 概念 简单效应（simple effect）：在某一因素同一水平上，另一因素不同水平对试验指标的影响。 主效应（main effect）：由于因素水平的改变而引起的平均数的改变。 互作效应（互作，interaction）：在多因素试验中，一个因素的的作用要受到另一个因素的影响，表现国某一因素在另一因素的不同水平上所产生的效应不同。 日粮中添加赖、蛋氨酸雏鸡的增重（克） 数据模式 Data Layout 数学模型 模型假定 试验组合（cell）中的每个数据都是一个独立抽样 数据服从正态分布且方差相等 平方和的计算 平方和的计算 自由度 ANOVA表 期望均方与F检验 因素间互作的测验 首先，应该检验两个因素互作是否显著。假设是： H0： (ab)ij=0 for all i, j Ha: (ab)ij=0 for some i, j F A?B = MS A?B / MSE df1 = (a-1)(b-1), df2 = ab(n-1) 互作的检验结果为不显著 进行主效应的方差分析 A因素 H0： ?i.. ’s all equal Ha: at least one pair of ?i.. ’s not equal FA=MSA/MSE 自由度：df1 = a-1, df2 = ab(n-1) 互作的检验结果为不显著 B因素：与A因素相似 H0： ?.j. ’s all equal Ha: at least one pair of ?.j. ’s not equal FB=MSB/MSE 自由度：df1 = b-1, df2 = ab(n-1) 互作的检验结果为显著 这时不用进行 FA 检验和 FB 检验。因为A因素和B因素不再单独起作用 我们需要检验A因素和B因素的最佳组合。通常利用DMRT进行 次级样本含量不等时的校正同单因素分析 例题 解：Summary statistics 平方和 ANOVA表 互作的检验 F A×B =145.71/65.13=2.24 C.v.: F0.05(4,27)=2.73 结论：互作不显著 We don’t have evidence for interaction 主效应 训练方法： H0: ? I=?II= ?III Ha: 至少有一对平均数不等 FA=1335.25/65.13=20.50 c.v.: F0.05(2,27)=3.35 显著 At least some training regimes are significant different 主效应 奖励制度 H0: ? P=?T= ?P+T Ha: 至少有一对平均数不等 FB=2484.0964.13=38.14 C.v.: F0.05(2,27)=3.35 显著 At least some reward systems are significant different 多重比较 多重比较 小结 交叉分组资料 一般用GLM程序分析，因为有时次级样本含量不等；有时互作显著 当次级样本含量相等，而且互作不显著时，也可以用ANOVA程序分析，这时计算机分析的速度会快一些 GLM用的是最小二乘分析分析法，最小二乘均数一般情况下等于平均数。 如果是协方差分析，会有所差别 * * 第二节 25 40 10 B2-B1 17 492 475 平均 496 32 512 480 B2 471 2 472 470 B1 平均 A2-A1 A2 A1 互作效应： (470 + 512 – 480 – 472)/2 = 30/2 = 15 主效应 Xab1, … … X2b1, … X1b1, …, X1bn b … … … … … Xa21, … … X221, … X121, …, X12n 2 Xa11, … … X211, … X111, …, X11n 1 B 因 素 a … 2 1 A因素 Cell 观察值与总平均值的差异 试验组合均值与总均值的差 观察值与因素组合均值的差 能解释的变异 A因素第i个水平的主效应 A因素第i个水平和B因素第j个水平的互作 B因素第j个水平的主效应 abn-1 SSTotal Total MSError ab(n-1) SSError 误差 MSA?B (a-1)(b-1) SSA?B 互作 MSB b-1 SSB B 因素 MSA a-1 SSA A 因素 MSCells ab-1 SSCells Cells MS 自由度