R语言学习系列28-协方差分析.pdfVIP

. 23. 协方差分析 一、基本原理 1. 基本思想 在实际问题中， 有些随机因素是很难人为控制的， 但它们又会对 结果产生显著影响。 如果忽略这些因素的影响， 则有可能得到不正确 的结论。这种影响的变量称为协变量（一般是连续变量） 。 例如，研究 3 种不同的教学方法的教学效果的好坏。 检查教学效 果是通过学生的考试成绩来反映的， 而学生现在考试成绩是受到他们 自身知识基础的影响，在考察的时候必须排除这种影响。 协方差分析将那些难以控制的随机变量作为协变量，在分析中将 其排除，然后再分析控制变量对于观察变量的影响， 从而实现对控制 变量效果的准确评价。 协方差分析要求协变量应是连续数值型，多个协变量间互相独 立，且与控制变量之间没有交互影响。 前面单因素方差分析和多因素 方差分析中的控制变量都是一些定性变量， 而协方差分析中既包含了 定性变量（控制变量） ，又包含了定量变量（协变量） 。 协方差分析在扣除协变量的影响后再对修正后的主效应进行方 差分析，是一种把直线回归或多元线性回归与方差分析结合起来的方 法，其中的协变量一般是连续性变量， 并假设协变量与因变量间存在 线性关系， 且这种线性关系在各组一致， 即各组协变量与因变量所建 立的回归直线基本平行。 当有一个协变量时， 称为一元协方差分析， 当有两个或两个以上 word 范文 . 的协变量时，称为多元协方差分析。 2. 协方差分析需要满足的条件 （1）自变量是分类变量，协变量是定距变量，因变量是连续变 量；对连续变量或定距变量的协变量的测量不能有误差； （2）协变量与因变量之间的关系是线性关系，可以用协变量和 因变量的散点图来检验是否违背这一假设； 协变量的回归系数 （即各 回归线的斜率）是相同的，且不等于 0，即各组的回归线是非水平的 平行线。否则，就有可能犯第一类错误，即错误地接受虚无假设； （3） 自变量与协变量相互独立，若协方差受自变量的影响，那 么协方差分析在检验自变量的效应之前对因变量所作的控制调整将 是偏倚的，自变量对因变量的间接效应就会被排除； 2 （4 ）各样本来自具有相同方差 σ 的正态分布总体， 即要求各组 方差齐性。 二、协方差理论 1. 观测值 =均值 +分组变量影响 +协变量影响 +随机误差 . 即 yij u ti (xij x ) ij （1） 其中， X 为所有协变量的平均值。 注：在方差分析中，协变量影响是包含在随机误差中的，在协方 差分析中需要分离出来。 用协变量进行修正，得到修正后的 yij (adj) 为 yij (adj) yij (xij x ) u ti ij word 范文 . 就可