方差分析的基本假定.docx

方差分析的基本假定 可加性。 方差分析的每一次观察值都包含了总体平均数、各因素主效应、各因素间 的交互效应、随机误差等许多部分，这些组成部分必须以叠加的方式综合起来， 即每一个观察值都可视为这些组成部分的累加和。 在对每种模型进行讨论前我们 都给出了适合这种模型的线性统计模型， 这正是可加性的数学表达式。 以后的理 论分析都是建立在线性统计模型的基础上的， 这正说明可加性是方差分析的重要 先决条件。在某些情况下， 例如数据服从对数正态分布 （即数据取对数后才服从 正态分布） 时，各部分是以连乘的形式综合起来， 此时就需要先对原始数据进行 对数变换， 一方面保证误差服从正态分布， 另一方面也可保证数据满足可加性的 要求。 正态性。 即随机误差必须为相互独立的正态随机变量。这也是很重要的条件， 如果它不能满足，则均方期望的推导就不能成立，采用 F 统计量进行检验也就 失去了理论基础。 如果只是实验材料间有关联， 可能影响独立性时， 可用随机化 的方法破坏其关联性； 如果是正态性不能满足， 即误差服从其他分布， 则应根据 误差服从的理论分布采取适当的数据变换，具体方法将在本节后边介绍。 方差同质性（齐性）。 即要求所有处理随机误差的方差都要相等，换句话说不同处理不能影响随 机误差的方差。由于随机误差的期望一定为 0 ，这实际是要求随机误差有共同 的分布。如果方差齐性条件不能满足也可采用数