生物统计-方差分析-双因素.pptVIP

第六章 方差分析 Analysis of variance, ANOVA—双因素方差分析 品种α 饲料β 合计 平均 1 2 3 A B C D 51 53 52 56 57 58 45 49 47 42 44 43 156 171 141 129 52 57 47 43 合计平均 194 203 200 48.50 50.75 50.00 总和597 总平均 49.75 1）提出假设： 例：3种饲料对4个品种的猪增重效果 2）构造并计算检验统计量： ②计算平方和： 总平方和： ③计算组间平方和： ④计算误差平方和： ⑤写出自由度： ①计算校正数： 变异来源 平方和 自由度 均方和 F值 显著性 因素A 因素B 误差 总和 332. 25 10. 5 3. 5 346. 25 3 2 6 110. 75 5. 25 0. 58 190. 95 9. 05 ** * 最后， 列出方差分析表，写出假设检验的结论: 因素A 因素B 合计 平均 B1 … Bj … Bq A 1 … A i … A p X i · · 合计 平均 X · j · 总和 X… 总平均 7.2 双向交叉分组有重复资料的数据结构 双因素交叉有重复数据模式 时间 激素水平 合计 低 高 上午 8.53 20.53 12.53 14 10.8(66.39) 39.14 26.2 31.33 45.8 40.2(182.67) 249.06 下午 17.53 21.07 17.33 20.07 20.8(96.88) 25.06 29.33 28.87 32 23.8(139.06) 235.86 合计 163.19 321.73 总和484.92 例 基本假设：1）e i j k 都服从N( 0,σ2) ,σ2 为误差方差。2）不同的e i j k 之间相互独立。 P105 数学模型： 总平均值 处理 A i 的效应 互作效应 处理 B j 的效应 随机误差 对有重复和无重复资料的方差分析的主要区别是：利用有重复的资料可以对两因素各水平之间的交互作用进行分析。 如两种药物间的协同作用或拮抗作用 所谓交互作用，简称互作，是指每个因素并不是独立地对观测值起作用，两因素的不同水平的组合也会起作用，从而使得一个因素的某个水平在另一个因素的不同水平中有不同的效应，可能会得到增强，也可能会减弱。 B1 B2 B2-B1 A1 40 45 5 A2 42 47 5 A2-A1 2 2 所谓交互作用，简称互作，是指每个因素并不是独立地对观测值起作用，两因素的不同水平的组合也会起作用，从而使得一个因素的某个水平在另一个因素的不同水平中有不同的效应，可能会得到增强，也可能会减弱。 B1 B2 B2-B1 A1 40 47 7 A2 42 55 13 A2-A1 2 8 B1 B2 B2-B1 A1 40 47 7 A2 42 55 13 A2-A1 2 8 B1 B2 B2-B1 A1 40 45 5 A2 42 47 5 A2-A1 2 2 变异的分解：观测值分解 记作SST=SSA + SSB+SSAB+ SSE 。 处理平方和 双因素方差分析假设检验: 要检验各因素不同水平的效应是否存在显著的差异。 1）提出假设： 2）构造并计算检验统计量： 否定域为 3）确定小概率、临界值及否定域 最后， 列出方差分析表，写出假设检验的结论: 4）对假设进行统计推断： 变异来源 平方和 自由度 均方和 F值 显著性 因素A 因素B 互作 误差 总和 SSA SSB SSAB SSE SST p - 1 q - 1 ( p – 1) ( q – 1) pq(n – 1) pqn – 1 MSA MSB MSAB MSE FA FB FAB 时间 激素水平 合计 低 高 上午 8.53 20.53 12.53 14 10.8(66.39) 39.14 26.2 31.33 45.8 40.2(182.67) 249.06 下午 17.53 21.07 17.33 20.07 20.8(96.88) 25.06 29.33 2