第九章 协方差分析 《生物统计学》课件.pptVIP

第九章 协方差分析 第一节 协方差分析的意义和功用 一、协方差分析的意义 协方差 是两个变量的协变异数 ，用COV(x,y)表示。 对于一个具有N对(x,y)的有限总体， x与y的协方差定义为双变量离均差乘积和的平均数，即： 样本协方差亦称为均积, 简记为MP，是总体协方差的估计值。 方差 是用来度量单个变量 “ 自身变异”大小的总体参数，方差越大，该变量的变异越大； 协方差是用来度量两个变量之间 “协同变异”大小的总体参数，即二个变量相互影响大小的参数，协方差的绝对值越大，二个变量相互影响越大。 对于仅涉及单个变量的试验资料，由于其总变异仅为“自身变异”（如单因素完全随机设计试验资料，“自身变异”是指由处理和随机误差所引起的变异），因而可以用方差分析法进行分析； 对于涉及两个变量的试验资料，由于每个变量的总变异既包含了“自身变异”又包含了“协同变异”（是指由另一个变量所引起的变异），须采用协方差分析法来进行分析，才能得到正确结论。 （二）估计协方差分量 方差分析中根据均方MS与期望均方EMS间的关系，可获得不同变异来源的方差分量估计值；在协方差分析中，根据均积MP与期望均积EMP间的关系，可获得不同变异来源的协方差分量估计值。 这种协方差分析称为相关模型的协方差分析。 第二节 单因素完全随机设计试验资料的协方差分析 试验用4种肥料分别施10株梨树，各组的单株产量 y 既包含了不同肥料所引起的“自身变异”，也包含了不同的起始干周x所引起的 “协同变异”，因此应采用协方差分析法将“协同变异”从 y 的总变异中剔除，获得y的“自身变异”，然后才能正确地检验4种肥料平均单株产量是否有显著差异。 表10—1中观测值不仅具有肥料效应和随机误差，而且还受到起始干周的影响。故单因素完全随机设计试验资料观测值的数据结构式为: (10-3)式就是单因素完全随机设计试验资料协方差分析的数学模型。 由(10-3)式移项可得 若将yij用样本统计量来表示，则有: 若令 或 ,则(10-4)式或(10-7)式说明,在观测值中剔除处理效应后，即误差项，进行 与 的线性回归分析，可求出 的估计值be； 若令 或 ,则(10-5)式或(10-8)式说明,在对观测值进行回归矫正后, 对 进行方差分析就排出了xij不一致对yij的影响。 （二）计算变量x和y的各项自由度、平方和与乘积和 表10-2、 表10-1资料的自由度、平方和与乘积和 表10-3、起始干周x和单株产量y的方差分析表 F检验结果表明，4种肥料的供试梨树起始干周差异不显著，单株产量差异极显著。 这里对y进行的F检验是在没有考虑x的影响下进行的, 若x与y之间没有显著的回归关系,即x对y没有显著影响，上面对y进行的F检验结果可以接受； 若x与y之间有显著的回归关系,即x对y有显著影响, 则需对y矫正后再进行的F检验,才能获得正确结论。 （四）计算回归系数并进行显著性检验 回归系数由误差项的统计数计算。 be=0.7359表示起始干周改变1cm，单株产量将平均改变0.7359 kg。 对be进行显著性检验如下： (五)对矫正后的单株产量作方差分析 矫正单株产量的误差平方和与自由度，即误差离回归平方和与自由度，记为SSe’、dfe’ 2、对矫正单株产量进行方差分析 表10-4 矫正单株产量的方差分析表 3、根据线性回归关系计算各肥料的矫正平均单株产量 矫正平均单株产量计算公式如下： 其中： 为第i处理矫正单株平均产量； 为第i处理实际单株平均产量； 为第i处理实际平均起始干周； 为全试验的平均数； 为误差回归系数。 4、各肥料矫正单株平均产量间的多重比较 （1）t检验法 例如，检验A1与A2矫正单株平均产量间的差异显著性： 查 t 值表, t0.05(35) = 2.030，t ＜t0.0(35)，p＞0.05，表明肥料A1与A2矫正单株平均产量间的差异不显著。 其余的每两处理矫正平均数间的比较都须另行算出