《生统》第六章_方差分析.pptVIP

* 二、系统分组资料的方差分析 表6-35 二因素系统分组资料数据模式 二因素系统分组资料 上表中： 1、数学模型： 1、平方和与自由度剖分 二因素系统分组资料 2、方差分析 二因素系统分组资料 变异来源 df SS MS A、B固定 A固定、B随机 A、B随机 F值 F值 F值 A a-1 SSA MSA MSA/MSe MSA/MSB(A) MSA/MSB(A) B（A） A(b-1) SSB(a) MSB(A) MSB/MSe MSB(A)/MSe MSB(A)/MSe 误差 ab(n-1) SSe MSe 总的 N-1 SST 系统分组资料 二因素方差分析表 【例6.8】某品种3头公猪和8头母猪所生仔猪的35日龄断奶重资料如表6-39所示，试就这些数据分析不同公猪和不同母猪对仔猪断奶重的影响是否有显著差异。 表6-39 3头公猪和8头母猪所产仔猪断奶重 方差分析如下 ： 1、计算各项平方和与自由度 总平方和及其自由度 公猪间的平方和及其自由度 公猪间的平方和及其自由度 母猪内仔猪间（误差）平方和及其自由度 方差分析如下 ： 2、列出方差分析表，进行F检验 表6-40 3头公猪和8头母猪所生仔猪断奶重的方差分析 变异来源 平方和 自由度 均方 F值 公猪间(A) 11.0235 2 5.5118 0.34 公猪内母猪间B(A) 81.4785 5 16.2957 15.74** 母猪内仔猪间C(B) 56.9580 55 1.0356 总变异 149.4600 62 方差分析如下 ： 3、多重比较 变异来源 平方和 自由度 均方 F值 公猪间(A) 11.0235 2 5.5118 0.34 公猪内母猪间B(A) 81.4785 5 16.2957 15.74** 母猪内仔猪间C(B) 56.9580 55 1.0356 总变异 149.4600 62 一级因素(公猪)各水平多重比较 一级因素内二级因素(母猪)各水平均数进行多重比较 每头公猪的平均仔猪数 每头母猪的平均仔猪数 *第四节 方差分析的数学模型与期望均方 一、数学模型 二、期望均方 三、方差组分的估计 四、组内相关系数 一、数学模型 方差分析的数学模型就是指试验资料的数据结构或者说是每一观测值的线性组成，它是方差分析的基础。 数学模型中的处理效应αi(或βj、βij)，由于处理性质的不同，有固定效应(fixed effect)和随机效应(random effect)之分。 若按处理效应的类别来划分方差分析的模型，则有三种，即固定模型、随机模型和混合模型。 就试验资料的具体统计分析过程而言，这三种模型的差别并不太大，但从解释和理论基础而言，它们之间是有很重要的区别的。 不论设计试验、解释试验结果，还是最后进行统计推断，都必须了解这三种模型的意义和区别。 一、数学模型 依据对αi 不同假定，将数学模型分为固定模型和随机模型 1、固定模型(fixed model) 在单因素试验的方差分析中，把 k 个处理看作 k 个明晰的总体。如果 研究的对象 只限于这k个总体的结果，而不需推广到其它总体； 研究目的 在于推断这k个总体平均数是否相同，即在于检验k个总体平均数相等的假设 H0:μ1=μ2=…=μk；H0 被否定，下步工作在于作多重比较； 重复试验时的处理，仍为原来的k个处理。 这样，k个处理的效应(如αi=μi-μ)固定于所试验的处理的范围内，处理效应是固定的。这种模型称为固定模型。 一般的饲养试验及品种比较试验等均属固定模型。 一、数学模型 2、随机模型(random model) 在单因素试验中，k个处理并非特别指定，而是从更大的处理总体中随机抽取的k个处理而已，即 研究的对象 不局限于这k个处理所对应的总体的结果，而是着眼于这k个处理所在的更大的总体； 研究的目的 不在于推断当前k个处理所属总体平均数是否相同，而是从这k个处理所得结论推断所在大总体的变异情况，检验的假设一般为处理效应方差等于零，即H0: =0；如果H0被否定，进一步的工作是估计 ； 重复试验时，可在大处理总体中随机抽取新的处理。 这样，处理效应并不固定，而是随机的，这种模型称为随机模型。 随机模型在遗传、育种和生态试验研究方面有广泛的应用。如，为研究中国猪种的繁殖性能的变异情况，从大量地方品种中随机抽取部分品种为代表进行试验、观察，其结果推断中国猪种的繁殖性能的变异情况，这就属于随机模型。 一、数学模型 3、混合模型(mixed model) 在多因素试验中，若既包括固定效应的试验因素，又包括随机效应的试验因素，则该试验对应于混合模型。 混合模型在试验研究中是经常采用的。 如在某地区的4个不同杂交组合的猪及其亲本，分布于5