第六章方差分析（第3部分）二、系统分组资料的方差分析.ppt

数学模型中的处理效应αi(或βj、βij)，由于处理性质的不同， 有固定效应 (fixed effect) 和随机效应 (random effect) 之分。若按处理效应的类别来划分方差分析的模型，则有三种，即固定模型、随机模型和混合模型。就试验资料的具体统计分析过程而言，这三种模型的差别并不太大，但从解释和理论基础而言，它们之间是有很重要的区别的。不论设计试验、解释试验结果，还是最后进行统计推断 ， 都 必须了解这三种模型的意义和区别。 下一张 主 页 退 出 上一张 * xx 2021-1-20 1、固定模型(fixed model) 在单因素试验的方差分析中，把k个处理看作k个明晰的总体。如果研究的对象只限于这k个总体的结果，而不需推广到其它总体；研究目的在于推断这k个总体平均数是否相同，即在于检验k个总体平均数相等的假设H0：μ1=μ2=…=μk；H0被否定，下步工作在于作多重比较；重复试验时的处理仍为原k个处理。这样，则k个处理的效应(如αi=μi-μ)固定于所试验的处理的范围内，处理效应是固定的。这种模型称为固定模型。一般的饲养试验及品种比较试验等均属固定模型。 下一张 主 页 退 出 上一张 * xx 2021-1-20 2、随机模型(random model) 在单因素试验中 ，k个处理并非特别指定，而 是从更大的处理总体中随机抽取的k个处理而已，即研究的对象不局限于这k个处理所对应的总体的结果，而是着眼于这k个处理所在的更大的总体；研究的目的不在于推断当前k个处理所属总体平均数是否相同，而是从这k个处理所得结论推断所在大总体的变异情况，检验的假设一般为处理效应方差等于零，即H0: =0；如果H0被否定，进一步的工作是估计 ；重复试验时 ，可 在 大 处 理 总 体 中 随 机抽取新的处理。 下一张 主 页 退 出 上一张 * xx 2021-1-20 这样，处理效应并不固定，而是随机的，这种模型称为随机模型。随机模型在遗传、育种和生态试验研究方面有广泛的应用。如，为研究中国猪种的繁殖性能的变异情况，从大量地方品种中随机抽取部分品种为代表进行试验、观察，其结果推断中国猪种的繁殖性能的变异情况，这就属于随机模型。 在多因素试验中，若各因素水平的效应均属随机，则对应于随机模型。 下一张 主 页 退 出 上一张 * xx 2021-1-20 3、混合模型(mixed model) 在多因素试验中，若既包括固定效应的试验因素，又包括随机效应的试验因素，则该试验对应于混合模型。混合模型在试验研究中是经常采用的。如在某地区的4个不同杂交组合的猪及其亲本，分布于5个猪场进行育肥试验。这里猪种效应是固定的，而试验场所(猪场)效应是随机的。又如【例6-8】，若目的在于比较该3头公猪的种用价值，与配母猪是随机抽取的，则公猪效应是固定的，而母猪效应是随机的。再如随机采用三个蛋鸡品系研究三种饲料的效应试验，这里蛋鸡品系效应是随机的，而饲料效应是固定的。 下一张 主 页 退 出 上一张 * xx 2021-1-20 二、期望均方 在第一节我们提到了期望均方的概念。由于模型不同，方差分析中各项期望均方的计算也有所不同，因而F检验时分母项均方的选择也有所不同。现将不同方差分析中各种模型下各项期望均方及F值计算分别列于下面各表，以便正确地进行F检验和估计方差组分。 下一张 主 页 退 出 上一张 * xx 2021-1-20 为了区分效应的两种模型(随机及固定)，用 表示随机模型下处理效应方差，用 表示固定模型下处理效应方差。如对于A因素，随机模型时用 表示处理效应方差；固定模型时用 表示处理效应方差，此时， 1、单因素试验资料方差分析的期望均方 (1) 各处理重复数相等时 下一张 主 页 退 出 上一张 * xx 2021-1-20 表6-41 单因素试验重复数相等期望均方 与F检验 下一张 主 页 退 出 上一张 * xx 2021-1-20 (2) 各处理重复数不等时 表6-42 单因素试验重复数不等期望均方 与F检验 下一张 主 页 退