方差分析原理.docxVIP

. 第六章 方差分析 第一节 方差分析的基本原理 上章介绍了 1 个或两个样本平均数的假设测验方法。 本章将介绍 k( k≥3) 个样本平均数的 假设测验方法， 即方差分析 ( analysis of variance ) 。方差分析就是将总变异剖分为各个变异来源 的相应部分， 从而发现各变异原因在总变异中相对重要程度的一种统计分析方法。 其中， 扣除 了各种试验原因所引起的变异后的剩余变异提供了试验误差的无偏估计，作为假设测验的依 据。因而， 方差分析象上章的 t 测验一样也是通过将试验处理的表面效应与其误差的比较来进 行统计推断的， 只不过这里采用均方来度量试验处理产生的变异和误差引起的变异而已。 方差 分析是科学的试验设计和分析中的一个十分重要的工具。 本章将在介绍方差分析基本原理和方 法的基础上进一步介绍数学模型和基本假定。 一、自由度和平方和的分解 方差是平方和除以自由度的商。 要将一个试验资料的总变异分解为各个变异来源的相应变 异，首先必须将总自由度和总平方和分解为各个变异来源的相应部分。 因此，自由度和平方和 的分解是方差分析的第一步。 下面先从简单的类型说起。 设有 k 组数据，每组皆具 n 个观察值， 则该资料共有 nk 个观察值，其数据分组如表 6.1 。 表 6.1 每组具 n 个观察值的 k 组数据的符号表 组别 观察值 ( yij ，i=1， 2，?， k； j=1，2，?， n) 总和 平均 均方 1 y11 y12 ? y1 j ? y1 n T1 y1 s12 2 y21 y 22 ? y2 j ? y2 n T 2 y2 s22 ? ? i y i1 yi 2 ? yij ? yin Ti yi si2 ? ? k yk1 y k2 ? y kj ? ykn Tk yk sk2 T yij y y 在表 6.1 中，总变异是 nk 个观察值的变异，故其自由度 nk 1 ，而其平方和 SST 则为： nk nk yij2 SST ( yij y) 2 C （ 6· 1） 1 1 (6 · 1) 中的 C 称为矫正数： . . ( y) 2 T 2 (6 · 2) C nk nk i 组的变异，有 这里，可通过总变异的恒等变换来阐明总变异的构成。对于第 n n y)2 n yi )2 n n ( yi y) 2 j ( yij y) 2 ( yij yi yi ( yij 2( yij yi )( yi y) j 1 1 j 1 j 1 j 1 n yi ) 2 y)2 ( yij n( yi j 1 总变异为第 1，2，?， k 组的变异相加，利用上式总变异 (6 · 1) 可以剖分为 : k n y) 2 k n yi ) 2 k SST ( yij ( yij n ( yi y) 2 （ 6· 3） i 1 j 1 i 1 j 1 i 1 即 总平方和 SST =组内 (误差 )平方和 SSe +处理平方和 SSt 组间变异由 k 个 y i 的变异引起，故其自由度 k 1 , 组间平方和 SSt 为： k k SSt n ( yi y) 2 Ti 2 n C （ 6·4） 1 1 组内变异为各组内观察值与组平均数的变异，故每组具有自由度 n 1 和平方和 n yi ) 2 ；而资料共有 k 组，故组内自由度 1) , 组内平方和 SSe 为： ( yij k(n 1 SSe k n yi ) 2 ] SST SSt [ ( yij (6 ·5) 1 1 因此，得到表 6.1 类型资料的自由度分解式为： ( nk 1) ( k 1) k( n 1) (6 · 6) 总自由度 DF T t e =组间自由度 DF +组内自由度 DF 求得各变异来源的自由度和平方和后，进而可得 : 总的均方 MST sT2 ( yij y)2 nk 1 组间的均方 MSt 2 n ( yi y)2 (6 · 7) st k 2 组内均方 MSe se2 ( yij yi ) 2 ( 1) k n 若假定组间平均数差异不显著 ( 或处理无效 ) 时， (6 · 7) 中 MSt 与 MS e 是 2 的两个独立估 值，均方用 MS 表示，也用 s2 表示，两者可以互换。其中组内均方 MSe 也称误差均方，它是 由多个总体或处理所提供的组内变异 ( 或误差 ) 的平均值。 [ 例 6.1] 以 A 、B 、 C、 D 4 种药剂处理水稻种子，其中 A 为对照，每处理各得 4 个苗 高观察值 ( cm) ，其结果如表 6.2 ，试分解其自由度和平方和。 表 6.2 水稻不同药剂处理的苗高 ( cm) 药 剂 苗高观察值 总和 Ti