MINITAB分析有共变量的因子实验.pptVIP

MINITAB分析有共變量的因子實驗 南台科技大學 企管系 呂金河 有共變量的因子實驗 工業實驗中最常用的2k因子設計也可考量共變數(covariate)，只要共變量對所有處理組合的反應值都有相同的影響，則可進行共變異分析。 2k因子設計的共變數分析，重複的多寡成為一個關鍵問題。於23設計，至少需要二次的重複，如此才能評估每一種處理組合下的處理組合與共變量，這相當於對每一個處理組合，配適一個簡單迴歸模型。兩個觀察值，一個用來估計截距(處理效應)，另一個用來估計斜率(共變量效應)。沒有自由度用來估計誤差。因此，一個完整的共變異分析至少需要三次重複。當處理組合與共變量增加時，重複的問題更為顯著。 有共變量的因子實驗 如果受限於重複次數，則不同的假設可使共變量的分析成為可能。 最簡單也是最差的假設是共變量沒有效應，而將共變量錯誤地未列入考慮，則整個分析與結論將可能陷入錯誤 第二種方法是假設處理與共變量沒有交互作用。即使這個假設是錯的，共變量交叉所有處理的平均效應，仍舊會增加處理效應估計與檢定的精度。 第三種方法是假設一些處理與共變量有交互作用，但有一些處理效應(例如一些高階交互作用)不顯著。這可多留一些自由度用來估計誤差。然而，這些行動必須小心為之，而且後續所得模型，將因為誤差的估計而相對不精確。 舉例 重複2次一個共變量的23因子設計，資料如下 1.未考慮共變量、分析反應變數y 舉例 1.未考慮共變量、分析反應變數y，結果如下: ANOVA表顯示交互作用B*C ，A*B*C效果不顯著，移走這兩項因子，再分析。 1.未考慮共變量、分析反應變數y 舉例 結果如下: lack of fit test顯示模式合適 ANOVA lack-of-fit檢定顯示整個模型顯著，且可接受。殘差分析指出，除了觀察值y=103.01不正常外，其餘一切正常。 2.處理與共變量沒有交互作用的ANCOVA分析 ANCOVA分析 2.採用處理與共變量沒有交互作用，而有相同斜率的第二種假設，可以估計完整效應模型與共變量效應。 表中顯示由於考慮共變量，MSE顯著地減少。 ANCOVA分析 移除不顯著的主效應C及一些交互作用後，最後分析結果如下表。簡約模型得到更小的MSE。 3.考慮忽略某些交互作用的ANCOVA分析 ANCOVA分析 3.考慮忽略某些交互作用的第三種假設。完整模型允許處理與處理及共變量交互作用之間有不同的斜率。假定忽略三因子交互作用(ABC與ABCx)，並且用它們的自由度估計誤差。很多實驗裡，忽略三因子或者更高的交互作用，是常見而且符合實際的假設。 ANCOVA分析 此模型由於接近飽和(near-saturated)模型，將會有十分不精確的誤差估計(自由度只有2)。即使只有少數在α=0.05個別顯著的模型項，基於MSE的整體考量，這個模型優於前述兩者。 * * Stat ? ANOVA ? General Linear Model Stat ? DOE ? Factorial ? Analyze Factorial Design Stat ? ANOVA ? General Linear Model Stat ? ANOVA ? General Linear Model