第四章 方差分析（二）.pptVIP

第四章 方差分析（二） 2.2 双因素方差分析 双因素方差分析的基本思路是：如果某一因素的凡个因素的凡个水平会引起事物的结果很不同的话，这个因素就很重要的；反之，若一因素的凡个水平只是导致事物的结果相近的话，这个因素就是不重要的。 双因素方差分析又分为双因素不重复试验的方差分析和双因素重复试验的方差分析。 2.2 双因素方差分析 （1）双因素不重复试验的方差分析。 A , B 的作用可以形象的称为“行作用”和“列作用”。检验方法与在单因素试验数据的方差分析中所采用的方法类似，就是将数据的总平方和分成两个因素的离差平方和及误差平方和：S总＝SA + SB + Se。，其中SA , SB 刻划因素的主效应， Se刻划随机误差的效应，然后用适当的F 统计量进行检验。相应的自由度有关系：f 总＝fA＋fB＋fe 。 2.2 双因素方差分析 （2）双因素重复试验的方差分析。 在双因素不重复试验的方差分析中，假定两因素的联合影响是各因素影响的迭加（即具有可加性） ，在实际问题中，往往两因素之间会有交互作用。如第I 台机器和第J 个人的搭配会使日产量特别高（或特别低），某人特别适合（或不适合）在某台机器上操作。又如，在研究种子和肥料对作物收获量的影响时，分别使亩产量达到最高的种子品种和肥料种类搭配在一起，可能会使亩产量大幅度提高，也可能使亩产量下降。 对于双因素重复试验数据的方差分析主要解决三个假设的检验问题。将数据的总平方和分成两个因素的离差平方和、交互效应的平方和n 及误差平方和：S 总＝ SA + SB + SAB Se。，其中SA , SB 刻划因素的主效应，SAB 刻划因素的交互效应，Se刻划随机误差的效应，然后用适当的F 统计量进行检验。相应的，自由度有关系： f 总＝fA＋fB＋ fAB +fe 。＋fe 。 2.2 双因素方差分析 双因素方差分析的示例-双因素不重复试验的方差分析 例3 设A , B , C共3 台机器生产同一产品，4 名工人操作机器A , B , C 各一天，得日产量数据如表。以x 存放日产量数据，引入两个分组变量a , b 分别标识不同机器和不同工人。对于变量a ，取值为“1”、“2 ”、“3 ”时分别标识机器A 、B 、C ；变量b 取值为“1 ”、“2” 、“3”、“4”分别标识工人1、2 、3 、4 。建立SPSS数据文件。 2.2 双因素方差分析 结果及解释 表1显示( 1）分组变量a 有3个水平，即：机器A 、B、C ，每个水平有4例。( 2 ）分组变量b 有四个水平，即：工人1 、2 、3 、4 ，每个水平有3 例。 表2 显示，( l ）因素a：F ＝均方a 因素／均方残差＝29.102 , P = 0.001 ，按住0.05 检验水准，拒绝无效假设，可认为机器之间差异显著，各机器间的日产量全不等或不全等。 2 ）因素b：F ＝均方b 因素／均方残差＝6.985 , P = 0. 022 ，按0.05 检验水准，拒绝无效假设，可认为工人之间差异显著，各工人间的日产量全不等或不全等。 2.2 双因素方差分析 结果及解释 表3(1）由于本例是无重复数设计，不能求出每个格子的方差，故不能计算方差的齐次性，这里，仅选择S–N-K 法，进行均数之间的两两比较。（2）在均衡子集表中，第一均衡子集（Subset =1栏）包含：第三组（a = 3 ）和第一组（a = 1 ) , 它们的均数分别为45.75 和49.25 ，两均数比较的概率P = 0.079 ，按0 05 检验水准，接受无效假设，可认为机器C 和A 日产量的均数之间无明显差异。而机器B 与它们的差异较显著。 2.2 双因素方差分析 结果及解释 表4 显示，( 1）第一均衡子集（Subset = l 栏中）包含：第二组（b = 2 ）、第三组（b = 3 ）和第四组（b = 4 ) ，它们的均数分别为47.67 、48.33 和53.00 。三组均数比较的概率为0.070 。按0 . 05 检验水准，接受无效假设，可认为工人2 、工人3 和工人4 日产量的均数之间无明显差异。 ( 2 ）第二均衡子集（Subset = 2 栏中）包含：第四组（b = 4 ）、和第一组（b = l ) ，它们的均数分别为53 . 00 和55 . 00 。三组均数比较的概率为0.335 。按0.05 检验水准，接受无效假设，可认为工人4 和工人l 日产量的均数之间无明显差异。( 3 ）第一组（b =1）和第二、三、四（b = 2 、3 、4 ）未列在均衡子集表的同一格子中，可以认为它们均数并非均衡，而是存在显著差异。 2.2 双因素方差分析 双因素方差分析的示例-双因素重复试验的方差分析 例4 设A , B , C共3 台机器生产