生物统计课件05-四川农大.pptVIP

第三节 两因素完全随机设计 试验资料的方差分析 (一) 两因素单个观测值试验资料的 方差分析 对于A、B 两个试验因素的全部ab个水平组合，每个水平组合只有一个观测值，全试验共有 ab 个观测值，其数据模式如 表5-21 所示。 两因素单个观测值试验的数学模型为： 式中 μ为总平均数； αi，βj分别为Ai、Bj的效应: αi=μi-μ，βj=μj-μ μi、μj分别为Ai、Bj观测值总体平均数，且Σαi=0,Σβj=0; εij 为随机误差 ，相互独立 ，且服从 N (0，σ2)。 两因素交叉分组单个观测值的试验资料，A因素的每个水平有b次重复，B 因素的每个水平有a次重复，每个观测值同时受到A、B 两因素及随机误差的作用 。 因此全部ab 个观测值的总变异可以分解为 A 因素水平间变异、B因素水平间变异及试验误差三部分。 总自由度 dfT=ab-1 A因素自由度 dfA=a-1 B因素自由度 dfB=b-1 误差自由度 dfe= dfT - dfA – dfB =(a-1)(b-1) 【例5-5】 为了研究不同的田间管理方法对草莓产量的影响， 选择了 6个不同的地块，每个地块分成 3 个小区，随机安排 3 种田间管理方法，所得结果见 表5-22，试作方差分析。 1、计算各项平方和与自由度 这是个两因素单个观测值试验结果。A因素有 6 个水平，即 a = 6；B 因素有3个水平， 即b=3；共有a×b=6×3=18个观测值。 2、列出方差分析表，进行F 检验 F捡验结果表明： 不同地块和不同田间管理方法对草莓的产量均有显著或极显著影响，有必要进一步对 A、B 两因素不同水平的平均产量进行多重比较。 3、 多重比较 (1) 不同地块的草莓平均产量比较 ，采用q法(见表5-24)。 在两因素单个观测值试验情况下，A因素每一水平的重复数恰为B因素的水平数b。 （2）不同田间管理方法的草莓平均产量比较 B因素各水平平均数比较表见表5-26。 在两因素单独观测值试验情况下，B 因素(本例为田间管理方法)每一水平的重复数恰为A因素的水平数a。 B 因素的标准误 根据dfe=10，秩次距k=2，3，查临界 q 值并与 相乘，求得LSR，见表5-27。 在进行两因素或多因素的试验时，除了研究每一因素对试验指标的影响外，往往更希望研究因素之间的交互作用。 例如，通过对播种期、播种密度、施氮量、施钾量、施磷量对作物生长发育的影响有无交互作用的研究，对最终确定有利于作物生产的最佳栽培技术体系是有重要意义的。 前面介绍的两因素单个观测值试验只适用于两个因素间无交互作用的情况。 若两因素间有交互作用，则每个水平组合中只设一个试验单位(观察单位)的试验设计是不正确的或不完善的。这是因为： (1) 在这种情况下， SSe， dfe 实际上是A、B 两因素交互作用平方和与自由度 ，所算得的MSe是交互作用均方，主要反映由交互作用引起的变异。 (2) 这时若仍按【例5-5】 所采用的方法进行方差分析，由于误差均方值大 (包含交互作用在内) ，有可能掩盖试验因素的显著性， 从而增大犯Ⅱ型错误的概率。 因此，进行两因素或多因素试验时，一般应设置重复，以便正确估计试验误差，深入研究因素间的交互作用。 (二) 两因素有重复观测值试验资料的方差分析 对两因素和多因素有重复观测值试验结果的分析，能研究因素的简单效应、主效应和因素间的交互作用(互作)效应。 1、简单效应 在某因素同一水平上，另一因素不同水平对试验指标的影响称为简单效应。 如在表5-28中， 在A1(不追肥)上， B2- B 1=480-470=10 在A2 (追肥)上， B2- B1=512-472=40 在B1 (不除草)上，A2-A1=472-470=2 在B2 (除草)上， A2-A1=512-480=32 就是简单效应。 简单效应实际上是特殊水平组合间的差数。