第七讲方差分析(下)教材编辑.ppt

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 下一张 主 页 退 出 上一张 因为公猪间的FA=0.34＜1，即P＞0.05，所以公猪对仔猪的断奶重影响差异不显著，可以认为它们的种用价值是一致的；因为公猪内母猪间的FB(A)=15.74＞F0.01(5,55)=3.37，即P＜0.01，所以母猪对仔猪的断奶重影响差异极显著，即同一公猪内不同母猪的仔猪断奶重有极显著的差异。 3、多重比较 如果需对一级因素(公猪)各水平以及一级因素内二级因素(母猪) 各水平均数进行多重比较(SSR法或q法)， 当对公猪平均数进行多重比较时，标准误为： 下一张 主 页 退 出 上一张 式中的dn0为每头公猪的平均仔猪数，用公式(6-41)(见第四节)计算；当对母猪平均数进行多重比较时，标准误为： 式中n0为每头母猪的平均仔猪数，用公式(6-39)(见第四节)计算。实际上对于此类资料，同一公猪内母猪平均数的多重比较一般可不进行。 下一张 主 页 退 出 上一张 *第四节 方差分析的数学模型 与期望均方 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。本章所涉及的几种方差分析法，其数学模型已相继介绍。 下一张 主 页 退 出 上一张 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。 下一张 主 页 退 出 上一张 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k个处理。这样，则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。 下一张 主 页 退 出 上一张 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。 下一张 主 页 退 出 上一张 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。 在多因素试验中，若各因素水平的效应均属随机，则对应于随机模型。 下一张 主 页 退 出 上一张 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个猪场进行育肥试验。这里猪种效应是固定的，而试验场所(猪场)效应是随机的。又如【例6-8】，若目的在于比较该3头公猪的种用价值，与配母猪是随机抽取的，则公猪效应是固定的，而母猪效应是随机的。再如随机采用三个蛋鸡品系研究三种饲料的效应试验，这里蛋鸡品系效应是随机的，而饲料效应是固定的。 下一张 主 页 退 出 上一张