14第十四章 实验设计与方差分析.ppt

第十四章 实验设计与方差分析（重点） 本章的主要目的是掌握多因素（二因素及以上）方差分析的相应实验设计方法，即如何采集数据的方法，然后进行相应的方差分析。 14.1.一元二因素方差分析：实例 研究问题：假设某连锁超市的研发部门想要研究超市规模和货物摆放位置两个因素对超市的销售量是否具有影响、具有什么样的影响。他们把超市规模分为小型、中型、大型三个水平；把货物摆放位置分为A、B、C、D四个水平。他们从两个因素交叉形成的每个单元格各随机选取了两个元素，记录其同一周内该货物的销量，数据如文件twoway.sav。 14.1.一元二因素方差分析：实例 模型：根据研究问题和研究目的，可运用一元二因素方差分析来研究，模型表达如下： 其中，αi，βj，分别表示超市规模i水平和货物摆放位置j水平的附加效应（指附加在总体平均值μ上）；γij则是两个因素的交互作业项；εijk是随机误差项。 软件操作设置方法如下： 14.1.一元二因素方差分析：实例 14.1.一元二因素方差分析：实例 主要的结果与一元一因素的类似，只是要注意以下几个方面：模型设置方法、交互作用的轮廓图、残差图与拟合劣度检验的差别。 模型设置方法：如果按照前面的设置方法得出的结果发现某些项（特别是交互作用项）没有统计学意义，则一般需要在模型中将其去掉、重新估计模型。软件菜单设置如下， 14.1.一元二因素方差分析：实例 14.1.一元二因素方差分析：实例 交互作用的轮廓图：先看轮廓图的设置方法 14.1.一元二因素方差分析：实例 交互作用的轮廓图设置方法，在轮廓图设置方法对话框里，把一个因素放入Horizontal Axis，另一个因素放入Separate Lines，然后点击Add键确认。 残差图，设置方法：在Options子对话框中，选择Residual plot复选框。其结果的解释：如果模型拟合效果很好，则预测值和实测值应当有明显的相关，呈现出较好的直线趋势，而标准化残差则应当完全随机地在0上下分布，不随预测值的上升而出现变动趋势。 14.1.一元二因素方差分析：实例 拟合劣度检验（Lack of fit），其实质是：为了解决是否应当在模型中加入交互项的问题的检验；具体含义是：与纳入全部主效应和交互效应的全模型相比，当前模型对样本信息的解释程度是否充分，两者间的差异是否有统计学意义，如果当前模型和全模型的解释程度无统计学差异，则表明模型已经包含了数据的主要信息，不需要再另行纳入更多交互项了；反之，则意味着还有交互项需要纳入，以改善模型对数据的解释。 14.1.一元二因素方差分析：实例 拟合劣度检验设置方法：在Options子对话框中，选择Lack of fit复选框。 要特别注意拟合劣度检验结果的理解，以及各种误差项的关系。 作业：1、对本节的实例进行Post hoc检验，并讨论结果。2、对本节的实例分析：考虑交互作用和不考虑交互作用的轮廓图差别。 14.2.实验设计：研究主效 应的实验设计方法 第一种方法——完全随机设计：只涉及一个因素的两个或多个水平的设计，也称为单因素设计，它是将样本中全部受试对象随机分配到各个处理组中，分别接受不同的处理，然后对其效应进行对比观察或分别从不同总体中随机抽样进行对比观察。 优点：简单易行、适用范围广，个别数据缺失不影响统计分析； 缺点：研究效率不高，小样本时可能均衡性较差，抽样误差较大。当受试对象间差异较大时，犯第二类错误概率显著增大（为什么？） 14.2.实验设计：研究主效 应的实验设计方法 多重检验的思路：如果存在明确的对照组，要进行的是验证性研究，即计划好的某两个或几个组间都和对照组的比较，此时应采用Bonferroni（LSD）法，它侧重减少II类错误；若需要进行的是多个均值间的两两比较（这是探索性研究），且各组人数相等，宜采用Tukey法或SNK检验（多采用后者）。 14.2.实验设计：研究主效 应的实验设计方法 第二种方法——随机化区组设计：主要用于个体或试验元素之间有试验差异或实质性差异的情况下。它通常将受试对象按性质（如个体的性别、体重，病人的病情、性别、年龄等非试验因素）相同或相近者组成b个区组，每个区组中的k个受试对象分别随机分配到k个处理组中去；或对同一个受试对象在同一处理不同水平间进行比较。当处理因素的水平数为2时，即为匹配样本设计（第十章）。 随机区组设计(A) 14.2.实验设计：研究主效 应的实验设计方法 为什么观察值之间存在变异？ 14.2.实验设计：研究主效 应的实验设计方法 14.2.实验设计：研究主效 应的实验设计方法 优点：受试对象有较好的同质性，组间均衡，提高了试验效率； 缺点：如果每一个单元格内只有一个观测值，即单元格内