讲义参考第4章方差分析.pptx

第四章 方差分析 ;前章内容回顾：统计假设检验 ;除杂方法 Ai;t 检验法是不适宜，原因有三：;1 方差分析的基本思想;除杂方法 Ai;处理间变异; 将所有观测值间的总变异按照其变异的来源分解为多个部份，然后进行比较，评价由某种因素所引起的变异是否具有统计学意义。;方差分析（ ANOVA ）由英国统计学家R.A.Fisher 1923年首创提出的，为纪念Fisher，以F命名，故方差分析又称 F 检验 （F test）。用于推断多个总体均数有无差异。 ;2 方差分析的基本步骤; 假设有一单因素试验，有k个处理，每个处理做n次重复，共有nk个观测值。其试验资料的数据模式如表5-2所示。;表4-2 k个处理n次重复观测值的数据模式;表示第i个处理n个观测值之和; 反映全部观测值总变异的总偏差平方和是各观测值xij与总平均数 的离均差平方和，记为SST，即;0;反映处理所引起变异 ，称为处理间偏差平方和，记为SSt，即;;;;总自由度记为dfT，; 在计算处理间平方和时，各处理均数 要受 这一条件的约束，故处理间自由度为处理数减1，即k-1。 处理间自由度记为dft，; 在计算处理内平方和时，要受k个条件的约束，即 （i=1,2,…,k）。故处理内自由度为资料中观测值的总个数减k，即kn-k 。 处理内自由度记为dfe，;所以;;【例4-1】以淀粉为原料生产葡萄糖过程中，残留的许多糖蜜可用于酱色生产。生产酱色之前应尽可能彻底除杂，以保证酱色质量。今选用5中除杂方法，每种方法做4次试验，试验结果见表4-3，试分析不同除杂方法的除杂效果有无差异？; 单因素试验，处理数k=5，重复数n=4。各项偏差平方和及自由度计算如下： 矫正数 总偏差平方和 ;处理间（不同除杂方法间）的偏差平方和; 总自由度 处理间自由度 处理内自由度 用SSt、SSe分别除以dft和dfe便可得到处理间均方MSt及处理内均方MSe。 ; 假设各处理没有真实差异，那么 和 都是误差方差 的估计量。以 为分母， 为分子，求其比值。统计学上把两个均方之比值称为F值。即;（2） F 检验 附表4是专门为检验 代表的总体方差是否比 代表的总体方差大而设计的。 若实际计算的F值大于 ，则 F 值在α=0.05的水平上显著，我们以95% 的 可靠性(即冒5%的风险)推断 代 表 的总体方差大于 代表的总体方差。这种用F值出现概率的大小推断两个总体方差是否相等的方法称为 F检验（F-test）。 ; 在单因素试验结果的方差分析中，无效假设为H0：μ1=μ2=…=μk，备择假设为 HA：各 μi不全相等，或H0 ： =0，HA: ≠0； F=MSt/MSe，也就是要判断处理间均方是否显著大于处理内(误差)均方。 如果结论是肯定的，否定H0；反之，接受H0。 ; 在方差分析中， 通常将变异来源、偏差平方和、自由度、均方和F值归纳成一张方差分析表，见表4-3。 ; F检验是整体检验。F值显著或极显著，否定了无效假设H0 ，只能表明试验的总变异主要来源于处理间的变异或因素水平变化引起的变异，试验中各处理平均数间存在显著或极显著差异，但并不意味着每两个处理平均数间的差异都显著或极显著，也不能具体说明哪些处理平均数间有显著或极显著差异，哪些差异不显著。 ; 统计上把多个平均数两两间的相互比较称为多重比较(multiple comparisons)。 多重比较的方法甚多，常用的有最小显著差数法(LSD法)和 最小显著极差法(LSR法)，现分别介绍如下。; 此法的基本作法是： 在F检验显著的前提下，先计算出显著水平为α的最小显著差数 ，然后将任意两个处理平均数之差的绝对值 与其比较。; 若 ＞LSDα时，则 与 在α水平上差异显著；反之，则在α水平上差异不显著。最小显著差数由下式计算， 式中： 为在F检验中的误差自由度下，显著水平为α的临界t值， 为 均 数差