最新变异数分析的认识与应用名师精编资料汇编.pdf

变异数分析的认识与应用 1. 分合之间 用直交表来作实验，它最大的好处就是可减少实验次数，其奥妙之处全在于妥善地使用了 合 字诀，将各种因子的影响都挤压在同一个样本上，若说天下事 分久必合，合久必分 之理也可 应用在实验计划（ D.O.E）上，那么，直交表只能解决 分久必合 的问题，而实验之后的数据如何 能够 合久必分 再还原成各因子本来的面目？这个时候就要靠 分 字诀的变异数分析法 （Analysis of Variance 简称 ANOVA）了。 版权所有．寻智专业顾问有限公司 2. 剪得断，理不乱 要将合在一起的东西分开不难，难的是如何分得恰到好处，分开之后脉络更加分明，头绪更加 清楚，这才是重点，也才是 分 字诀的精髓所在。 ANOVA为何能掌握此一精髓呢？其根本原因在于 ANOVA是奠基在经得起摇撼的偏差平方和的理 论基础上。长久以来，统计学家就证实了当一元配置时： ST=SA+Se ST: 总偏差平方和 SA:A 因子各水平之偏差平方和 Se: 误差平方和 这种统计理论甚至可以图 1 表示。 透过图 1 的帮助我们可更容易明白，当任何一组数据在未被分解之前，其 ST 就已经存在了， 故分解之目的主要就是希望能看出到底 ST主要是由 SA造成的？还是由 Se 造成的？ 如果 ST主要是由 SA造成的，那么基本上我们可以认为： A 因子对最后结果有相当大的影响， 反之， A 因子对结果的影响则不显著了。 版权所有．寻智专业顾问有限公司 3. 变异数分析的基本想法 以上这种逻辑虽然是 ANOVA的基础，但是却并非 ANOVA的全貌，若回到偏差平方和的原点 我们可以得知若样本（ n）愈多， S 一定会水涨船高，因此，若只从 SA或 Se 来判断 A 因子是否显 著，而不问样本大小（ n）之影响，则有失其公允性，统计学家为了让人们能心服口服，因此，又 导出不偏变异数的理论，其公式如下： VA=SA/ΦA VA:A 因子的不偏变异数 （所谓不偏变异数，就是指不受到样本大小影响之变异数） SA：A 因子之偏差平方和 ΦA：A 因子之自由度 （通常是A 因子的水平数减 1） 同理： Ve=Se/ Φe 由于 VA及 Ve 都分别过滤掉了呼朋引伴 n 的膨涨效应，因此，可以作出更公平的比较。此一比较 可表示如下： FA=VA/Ve 以上之 FA愈大就表示 A 因子影响愈显著，若我们设定冒险率 （通常取5%或 1%），那么查 F 分配表 就可以获得 F0值，只要 FA大于 F0那就表示 A因子对结果有显著影响 。以上这种推理过程就是 ANOVA 的基本想法。 版权所有．寻智专业顾问有限公司 4. 变异数分析的步骤 以上变异数分析，将原始实验数据逐步分解的过程，可以图示如下： 步骤一：透过数据构造模型将总偏差平方和分解成各因子之偏差平方和（实例如表 1） ST=SA+SB+SC++Se 表 1 步骤二：将偏差平方和（ Si ）修正还原成不偏变异数（ Vi ） VA=SA/ΦA VB=SB/ΦB : : Ve=Se/Φe 步骤三：进行变异数检定（ F 检定） FA=VA/Ve FB=VB/Ve 步骤四：找出显著因子 若 FAF0(0.05) 则 FA为 显著因子 (*) FAF0(0.01) 则 FA为