多因素方差分析.pptxVIP

多因素方差分析上一节我们讨论了最简单的方差分析——单因素方差分析的原理与方法。在实际工作中，问题常常比较复杂，要求我们同时考虑两种甚至更多因素，以及这些因素共同作用的影响。多因素方差分析繁复 进行多因素方差分析从理论上说并无任何困难，但随着因素数的增加，普通方差分析的复杂性迅速增加，这种复杂性不仅表现在分析计算的繁复，更表现在所需实验次数呈现出几何级数的增加上因此三或三因素以上方差分析较少用到； 当确实需要考虑这样多因素时，我们常常转而采用一些特殊的方差分析方法，例如正交实验设计方法。 模型类型及交互作用概念 单因素方差分析相比，交互作用是多因素方差分析中新的概念之一。当一个因素的效应明显地依赖于其他因素的水平时，我们称这些因素间有交互效应。例如，由于人的体质不同，药物的疗效也可能会有不同；不同的地施用同样的肥料，增产效果也有不同，等等。 B3B3B2B2A1A1A2A2交互效应B1B1 A3 A3 (a) 无交互效应(b) 有交互效应 图中每条曲线代表B因素的一个水平。若各曲线平行或近似平行，可认为无交互效应，否则为有交互效应。以上只是一种直观的判断，在多因素方差分析的过程中，我们对交互作用的有无也可进行统计检验。 按因素类型进行分类 多因素方差分析可分为固定模型，随机模型及混合模型三类。这几类模型的计算公式基本相同，但其数学模型，假设，统计量，结果的解释等方面均有相当大的差异。