试验设计与变异数分析.pptVIP

變異數分析(二) Analysis of Variance (二)  學習目標 1. 因子實驗設計(factorial design) 2. 解說因子間的交互作用項 3. 兩因子變異數分析analysis of variance (ANOVA) 4. ANOVA假設之檢驗 常態分配之檢驗 變異數一致性之檢驗 實驗設計與資料分析 實驗設計: 由研究者設定條件後, 執行實驗以觀察結果是否受該條件之影響 設定條件稱為「處理」方式(treatments) 同類型處理方式稱為一個「因子」(factor) 每因子內之處理方式亦稱為「水準」(levels) 變異數分析: 檢定不同處理對實驗結果產生的差異或效應 各種實驗設計 實驗設計專有名詞 1. 實驗單位(experimental units/subjects) 2. 處理(treatments): 實驗中所設定或選取之條件 3. 控制因子(factors): 由數種處理或水準組成 4. 處理效應(effect): 每一種處理對實驗結果產生之影嚮 5. 觀測結果(observations) 實驗設計三原則 1. 隨機(randomization)取樣 不同實驗模型,設計不同隨機方式取得樣本 2. 複製(replications)樣本 在相同處理下, 重複實驗以取得的重複樣本 3. 區集(blocking)技巧 在不同處理下選取同質性高之實驗單位 實驗中,僅處理方式不同外,其它因素無法影嚮實驗結果 多因子實驗設計 1.實驗中使用兩個或以上的因子(factors) 每一個因子有2個以上的水準(levels) 2. 實驗單位隨機指派到不同處理 任何水準之組合(level combination)成為一個處理 3. 主效應(main effect)﹕各別因子之效應 4. 交互(interact)效應﹕因子之間交互效應 5. 使用ANOVA分析檢定交互效應及主效應之不同與否 多因子實驗設計的優點 1. 節省時間並可了解每單一因子的主要影響或主要效應(main effects) 2. 引進多因子變數模型，可控制混淆影響(confounding effects) 3. 可檢測各個因子之間的交互作用(interaction effects) 兩因子實驗設計範例 兩因子變異數分析Two-Way ANOVA 圖示兩因子反應變數圖 第一種狀況 兩條反應線重疊且平行於X軸 A因子對於反應變數無效應 B因子對於反應變數無效應 圖示兩因子反應變數圖(續) 第二種狀況 兩條反應線平行且平行於X軸 A因子對於反應變數有效應 B因子對於反應變數無效應 圖示兩因子反應變數圖(續) 第三種狀況 兩條反應線重疊但不平行於X軸 A因子對於反應變數無效應 B因子對於反應變數有效應 圖示兩因子反應變數圖(續) 第四種狀況 兩條反應線平行但不平行於X軸 A因子對於反應變數有效應 B因子對於反應變數有效應 圖示兩因子反應變數圖(續) 第四種狀況 兩條反應線平行但不平行於X軸 A因子對於反應變數有效應 B因子對於反應變數有效應 圖示兩因子反應變數圖(續) 第四種狀況 兩條反應線平行但不平行於X軸 A因子對於反應變數有效應 B因子對於反應變數有效應 圖示兩因子反應變數圖(續) 第五種狀況 兩條反應線不平行 A B兩因子間有交互作用 A因子對於反應變數有效應 B因子對於反應變數有效應 什麼是交互作用項? 欲解釋A因子的效應需透過B因子的水準 如:在B1下A2-A1=2 在B2下A2-A1=5 在B3下A2-A1=8 或欲解釋B因子的效應需透過A因子的水準 如:在A1下B2-B1=5 在A2下B2-B1=8 在A1下B3-B1=10 在A2下B3-B1=16等 圖示兩因子反應變數圖(續) 第五種狀況 兩條反應線不平行 A B兩因子間有交互作用 A因子對於反應變數有效應 B因子對於反應變數有效應 圖示兩因子反應變數圖(續) 第五種狀況 兩條反應線不平行 A B兩因子間有交互作用 A因子對於反應變數有效應 B因子對於反應變數有效應 圖示兩因子反應變數圖(續) 第五種狀況 兩條反應線不平行 A B兩因子間有交互作用 A因子對於反應變數有效應 B因子對於反應變數有效應 兩因子實驗資料列表 兩因子ANOVA之理論 1. 模式(model) ﹕ xijk代表觀測值必須是連續變數 x值=總平均+A因素主效應+B因素主效應+交互效應+誤差項 xijk = μ + Ai + Bj + ABij + ?Ijk (A因子水準 i=1, …,r ﹔B因子水準 j=1, …, c ; 樣本數 k=1, …,n’ ) 兩因子實驗資料列表 兩因子ANOVA之理論(續) 2. 假設條件(assumpti