生物统计学：第7章 方差分析II.ppt

* * * * * * 第7章 方差分析II——双向交叉分组资料 两因素试验资料的方差分析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。 两因素试验按水平组合的方式不同，分为交叉分组和系统分组两类。 设试验考察A、B两个因素，A因素分p个水平，B因素分q个水平 。 所谓交叉分组是指A因素每个水平与B因素的每个水平交叉搭配形成pq个水平组合即处理，试验因素A 、B在试验中处于平等地位 。 试验单位分 成 pq 个组，每组随机接受一种处理 ，因而试验数据也按两因素两方向分组。这种试验依据各处理是单独观测值（无重复）还是有重复观测值又分为两种类型。 设试验要考察AB两因素，其中A因素（如，研究不同品系的鱼后代的生长情况）可分p个水平（4个品系），在A因素的每个水平之下又存在B因素（不同的亲体）的影响作用，B因素又分q个水平（3个亲体）。因此，AB两因素在试验中不处于平等地位，A为主因素，B为次因素。 试验单位也分成pq个组，每组接受一种处理（但非随机），因而试验数据按主因素方向系统分组。 原理 因变量的值随着自变量的不同取值而变化。我们把这些变化（变差，即离均差平方和）按照自变量进行分解，使得每一个自变量都有一份贡献，最后剩下无法用已知的因素解释的则看成随机误差的贡献。 然后用各自变量的贡献和随机误差的贡献进行比较（以变差均方表示，进行F检验），以判断该自变量的不同水平是否对因变量的变化有显著贡献。计算出F-值及相关自由度的p值，最终得出结论。 7.1两因素方差分析中的基本概念 7.1.1 主效应与交互作用 由于因素水平的改变而造成因素效应的改变称为该因素的主效应。 由于因素之间的相互作用造成效应的改变是交互作用。 研究交互作用的意义 在进行两因素或多因素的试验时，当一个因素的效果在另一个因素的每一个水平上不一样时，我们就说存在着因素的交互作用。 或者说，当两或多因素水平同时作用时的效果比单一水平因素作用的效果加强或者减弱的作用。 如，在藻类的培养试验中，营养盐N和P对于藻类的生长往往具有交互作用（加强）。 又如，在毒性试验中，常常要研究多种物质对受试生物的毒性作用，有些毒性物质之间可能有协同作用（加强），也可能有拮抗作用（减弱）。 例 A1 A2 B1 B2 18 38 24 44 AB因素的交互作用： AB=(A1B1+A2B2)－(A1B2+A2B1) =62－62=0 A因素的主效应：A2的平均效应减去A1的平均效应。 A=(A2B1+A2B2)/2－(A1B1+A1B2)/2 =34－28=6 B因素主效应： B=(B2A1+B2A2)/2－ (B1A1+B1A2)/2=41－21=20 A因素的主效应：A=(A2B1+A2B2)/2－(A1B1+A1B2)/2=25－24=1 B因素的主效应：B=(B2A1+B2A2)/2－(B1A1+B2A2)/2=26－24=2 A（在B1水平上）＝A2B1－A1B1＝28－18＝10 A（在B2水平上）＝A2B2－A1B2＝22－30＝-8 显然A的效应依B的水平不同而不同，故A、B间可能存在交互作用。 AB因素的交互作用：AB=(A1B1+A2B2)－(A1B2+A2B1)=-18 例 A1 A2 B1 B2 18 30 28 22 本例中的交互作用（-18）相当大，而A、B因素的主效应却较小，若不考虑两者之间的交互作用将是错误的。因此在两因素方差分析中分解出因素的交互作用是十分必要的。 7.2.1 两因素交叉分组有重复资料的一般格式 假设A因素有a水平，B因素有b水平，则每一次重复包含ab次实验，实验重复n次，总的实验次数为abn次。 7.2两因素有重复资料的方差分析 7.2.2 数学模型 处理效应是各处理平均数距总平均数的离差，因此  所以，交互作用的效应也是固定的 其中，εijk是相互独立且服从N(0 , σ2)的随机变量。 固定模型方差分析的零假设为： 7.2.3 平方和与自由度的分解 与单因素方差分析的基本思想一样，把总平方和分解为构成总平方和各个分量平方和之和，将总自由度做相应的分解，由此得到各分量的均方。根据均方的数学期望，得出各个分量的检验统计量，从而确定各因素的显著性。 上述各项分别为A因素、B因素、AB交互作用和误差平方和 自由度可做相应的分解： dfT=abn－1 dfA=a－1 dfB=b－1 dfAB=(a－1)(b－1) dfe=ab(n－1)