生物统计学之二因素方差分析.pptx

本资料来源;在实际工作中经常会遇到两种因素共同影响试验结果的情况;第三节　 　　二因素方差分析;　　定义：是指对试验指标同时受到两个试验因素作用的试验资料的方差分析。;主效和互作; 　 ①　简单效应 在某因素同一水平上， 另一因素不同水平对试验指标的影响称为简单效应。简单效应实际上是特殊水平组合间的差数。 表11-1日粮中加与不加赖、蛋氨酸雏鸡增重(g);②　主效应 由于因素水平的改变而引起的平均数的改变量称为主效应。 如表，当A因素由A1水平变到A2水平时，A因素的主效应为A2水平的平均数减去A1水平的平均数。即 A因素的主效应=492-475=17 同理 B因素的主效应=496-471=25 主效应也就是简单效应的平均，如(32+2)÷2=17 , (40+10)÷2=25;③　交互作用(互作，interaction) 在多因素试验中， 一个因素的作用要受到另一个因素的影响，表现为某一因素在另一因素的不同水平上所产生的效应不同，或者说，某一因素的简单效应随着另一因素水平的变化而变化时，则称该两因素存在交互作用。 　　显而易见，A的效应随着B因素水平的不同而不同，反之亦然。我们说A、B两因素间存在交互作用，记为A×B。;　　互作效应可由 (A1B1+A2B2-A1B2-A2B1)/2来估计。 上表中的互作效应为： (470+512-480-472)/2=15 我们把具有正效应的互作称为正交互作用（协同作用）；把具有负效应的互作称为负交互作用（拮抗作用）；互作效应为零则称无交互作用。没有交互作用的因素是相互独立的因素，此时，不论在某一因素哪个水平上，另一因素的简单效应是相等的。;因素间的交互作用显著与否关系到主效应的利用价值;二因素方差分析;　　依据经验或专业知识，判断二因素无交互作用时，每个处理可只设一个观测值，即假定A因素有a各水平，B因素有b个水平，每个处理组合只有一个观测值。;因素A;二因素方差分析的线性模型;（1）平方和的分解为：;（2）与平方和相应的自由度的分解为;（4）F值的计算：;【例】为了考察蒸馏水的pH 值和硫酸铜溶液浓度对化验血清中白蛋白与球蛋白的影响，将蒸馏水pH值(A因素)分成：A1=5.40,A2 =5.60, A3=5.70,A4=5.80四个水平；将硫酸铜浓???(B因素)分成B1=0.04,B2=0.08,B3 =0.10三个水平,进行交叉分组试验。即用同一血清在不同pH值和不同硫酸铜浓度配比下各测定一次，测定结果(白蛋白与球蛋白之比)如表所示，试作方差分析。;蒸馏水pH (A);（1）平均和的计算：;（2）自由度的计算;变异来源;（4）进行多重比较（用SSR检验）：;M;PH值（因素A）;　　无重复观测值的二因素方差分析，所估计的误差实际上是这两个因素的相互作用，这是在两个因素不存在互作，或互作很小的情况下进行估计的。;　　二因素具有重复观测值的方差分析用下面线性模型来描述：;　　因试验共有n次重复，试验的总次数为abn次。方差分析步骤和前面介绍的相类似，唯一不同的是F检验的方法。;B处理的 样本容量;（3）各项的方差分别为;（4）F检验：;检验A、B时，有：;　　为了研究某种昆虫滞育期长短与环境的关系，在给定的温度和光照条件下在实验室培养，每一处理记录4只昆虫的滞育天数，结果列于表中，是对该材料进行方差分析。;　　由于温度和光照条件都是人为控制的，为固定因素，可依固定因素分析。;（1）平方和的分解为：;（2）自由度的分解为;结果列入方差分析表;变异来源;　　要了解各种光照时间及温度对滞育期的影响，需进行不同光照间及不同??度间的多重比较，其方法可参照前面例子进行，但平均数标准误的计算为：光照（A）间平均数标准误　　　，温度（B）间平均数标准误;　　在啤酒生产中，为了研究烘烤方式（A）与大麦水分（B）对糖化时间的影响，选了两种烘烤方式，4种水分共8种处理，每一处理重复三次，结果如下表。;烘烤方式（A）;（1）平方和的分解为：;（2）自由度的分解为;结果列入方差分析表;变异来源;　　F 检验结果表明，水分和的A×B的F 值大于F0.01，大麦中的水分及水分与烘烤方式之间的互作对糖化时间的影响达到了极显著水平，而烘烤方式对糖化时间的作用不显著。在生产上应注意大麦的含水量及根据含水量来选择合适的烘烤方式。;第四节　 多因素方差分析（略）;　　实际工作中，往往需要考察三个或多个因素的效应。这相当于把二因素方差分析扩展到一般情况。如在一个试验中，A因素有a水平， B因素有b水平， C因素有c水平等，假设每一处理都有n次重复，那么总观测次数为abcn次。;第五节　 方差分析缺失数据的估计（略）;使补上缺失的数据后，误差平方和最小。;