研究生应用数理统计方差分析.pptVIP

多元方差分析应用举例 * 拒绝 对于正态概率纸上的一条直线，若该直线能表示为 则 是一个正态分布的分布函数. 所组成的集合，与全体正态分布所组成的正态分布族之间， 这表明，正态概率纸上斜率存在且大于零的全体直线 存在一一对应关系. 下面介绍正态概率纸检验法及其 MATLAB 实现. 为了检验假设 H0 ,设 求出经验分布函数 Fn(x)，然后在正态概率纸描出点列 当 H0 为真时，在正态概率纸上该点列应该近似地 否则，认为 H0 不成立，即变量 X 不服从正态分布. MATLAB提供了利用正态概率纸检验变量正态性的绘 在一条直线附近. 图函数 normplot，其调用格式为 normplot( x ) ，输入参数 x 是样本数据向量. ? 方差齐性检验 方差齐性检验的假设为 方差齐性通常采用 Bartlett 检验方法. 检验统计量 在显著性水平α下，拒绝域为 ? 独立性检验 当样本容量较小时，没有较好的检验方法，通常根据 检验法对方差齐性和独立性进行同步检验. 当正态性检验获得通过，样本容量较大时，可用球性 采样操作的情形对独立性进行直观判断. 感兴趣的同学可参阅高惠璇编著《应用多元统计分析》 第3.4节（北京大学出版社，2005）. 下面，对单因子方差分析的应用步骤小结如下： ⑴ 模型适应性分析 ? 独立性分析 ⑵ 方差分析 ⑶ 延伸分析 ? 多重比较 ? 模型标准误差和因子效应的估计 单因子方差分析应用举例 ? 正态性检验 ? 方差齐性检验 问题 若模型适应性分析未能通过，是否不能继续后面的步骤 ⑵ ？ 回答 可以继续步骤 ⑵ . 有研究表明，F统计量的稳健性强，即使⑴中三项中的?或?检验未能通过，只要有较好的独立性，F检验仍有较好的效力，但需要注意模型标准误差会有所提高. 3.1 无交互作用的双因子方差分析 设 A 与 B 是对试验指标有影响的两个因子，判断因子 设因子A 有 r 个水平，因子 B 有 s 个水平，现对因子 个处理. 3. 双因子方差分析 的不同处理对试验指标的影响是否有显著差异？ 双因子方差分析方法的特殊效力在于分析者可以考虑 两个因子之间的交互作用对试验指标的影响. A、B 的不同水平的每种组合下进行试验或抽样，共 r×s 假定两个因子之间的不存在交互作用. 在因子间交互作用的情形下，可对因子水平的每个组 合 (Ai , Bj ) 仅安排一次试验来获取试验指标 yij 的测量值. 无交互作用的双因子方差分析的数据结构如下： 因 子 B B1 B2 … Bs 因 子 A A1 y11 y12 … y1s A2 y21 y22 … y2s … … … … Ar yr1 yr2 … yrs ? 数据结构 记 — Ai 的（主）效应. — Bj 的（主）效应. 显然 ? 统计模型与检验假设 检验假设 于是，无交互作用的双因子方差分析的统计模型为 检验统计量的构造思想方法类似于单因子方差分析. ? 检验统计量的构造与分布 —总偏差平方和 —因子水平 Ai 的样本均值 —样本总均值 记 — SST 的自由度 —因子水平 Bj 的样本均值 SSE 反映组内数据的随机误差. —误差偏差平方和 —因子 A 的偏差平方和 SSA 和 SSB 反映组间由效应不同引起的数据差异. — SSA 的自由度 — SSE 的自由度 —因子 B 的偏差平方和 — SSB 的自由度 ⑴ 平方和分解定理 ⑵ 平方和分布定理 ? ? ? 在无交互作用的双因子方差分析模型中，有如下定理： ? ⑶ 检验统计量的分布定理 ? ? ? 检验的决策准则 ? ? 通常用无交互作用的双因子方差分析表报告检验结果. ? 检验结果的报告 无交互作用的双因子方差分析表 3.2 有交互作用的双因子方差分析 引例 交互作用的直观解释 两种不同类型的化肥，如果同时施用时，总作用等于分别施用时的作用之和，说明没有交互作用；如果总作用大于（或小于）分别施用时的作用之和，说明有正的（或负的）交互作用。 例如在四块面积相同的大豆实验田上，用四种不同的方式施肥，其中 因子1：磷肥（两种水平，i=1,2） 因子2：氨肥 （两种水平，j=1,2） 实验数据如下表： 施磷肥P1=0 施磷肥P2=4 P1 P2 施氨肥N1=0 施氨肥N2=6 400 450 430 560 450-400=50 560-430=130 N1 N2 430-400=30 560-450=110 560-400=160 不施氨肥，单独施加磷肥增产 50斤；不施磷肥，单独施加