接受变方分析为结果之前应先检查资料是否符合上述前提.pptVIP

* 接受變方分析為結果之前 ， 應先檢查資料是否符合上述前提。 使用變方分析之前提是： 1、累加性 -- 處理效應與環境效應間互相獨立。 2、獨立性 – 實驗誤差間互相獨立。 3、同質性(homogeneity) -- 各處理之試驗誤差變異數相同。 4、常態性 --實驗誤差的分佈符合常態分配。 (1) 適當設計之試驗，通常都符合累加性。 (2) 利用隨機原則設計的試驗，可促使誤差滿足獨立性。 第五章 資料轉換 變方同質性檢定的方法有： Hartley’s F-max test (1950) Bartlett’s test (1949) Box test Levene test (1960) 當資料分佈是常態時， Bartlett法是很好的方法，但是它對分佈型態很敏感，依據 Conover etc. (1981), Levene檢定法不受限於資料之分佈，是較適當的方法。 SPSS提供 Levene 檢定法； SAS提供 Bartlett，Brown-Forsythe 及 Levene 檢定法。 變方同質性檢定 H0：σ12 =…=σm2 ? ? 191.8 3835.3 20 Error 0.1004 2.38 455.7 1367.2 3 concent Pr??F F Value Mean Square Sum of Squares DF Source Levenes Test for Homogeneity of germ VarianceANOVA of Squared Deviations from Group Means  ? ? 4.2782 85.5632 20 Error 0.0738 2.69 11.5073 34.5218 3 concent Pr??F F Value Mean Square Sum of Squares DF Source Brown and Forsythes Test for Homogeneity of germ VarianceANOVA of Absolute Deviations from Group Medians  0.0267 9.2077 3 concent Pr??ChiSq Chi-Square DF Source Bartletts Test for Homogeneityof germ Variance 例5.1 三種同質性檢定法結果 殘差 (residual) 殘差，eij，可視為觀測的誤差，用於估計真實誤差。 若模式適合，則殘差正確地反映出 εij 的特性。 (4) 常態性檢定 --- 檢定誤差是否遵循一常態分佈。 19 27 24 22 V3 20 18 22 20 V2 15 11 6 14 V1 均值 11.5 20 23 -4 4 1 -1 0 -2 2 0 3.5 -0.5 -5.5 2.5 例： 三品種收量表 殘差 H0：誤差呈現一常態分佈 SPSS提供 Kolmogorov-Smirnov, Shapiro-Wilk 檢定法； SAS提供此二法另加 Cramer-von Mises 及 Anderson-Darling 檢定法。 基本上以殘差為檢定對象 SPSS output (先得到 residual, 再做資料預檢) 如果資料未通過常態性檢定，可以檢查 t 化殘差，t 化殘差得到的值理論上應落在 ±3 之內， (|ei*| 3 )，若有某筆資料在 ±3 之外，則此資料為離群值(outlier)，或異常值，可檢查資料取得過程是否有疑點。 將 ei 標準化得到的值，稱為 t 化殘差 [Exc3.1] ( 完整多組比較的分析法 ) A, B, C, D四大豆品種進行產量比較 (p47) Factor : 品種 Observation : 產量 4 treatments : A, B, C, D (qualitative) 分析步驟: 1. 整體分析 ：同質性檢定、常態性檢定、1-way ANOVA 2. 因子效應分析：對對比較 3. 估計各組平均值 4. 結論 差異顯著 1. 1-way ANOVA 四組資料變異數相同。 2. 變異數同質性檢定 ? ? ? 4411 Corrected Total ? ? 048 Error 0.0002