第九章13两因素方差分析.pptVIP

首先计算放养密度水平(j=3)均数的标准误和饵料水平(i=4)均数的标准误,分别是 放养密度 饵料水平 新复极差法计算资料R值 6.444 4.195 5.51 3.58 3 6.128 4.047 5.24 3.46 2 k r0.01 r0.05 放养密度的R值(标准误=1.1696) 新复极差法计算资料R值 7.4 4.8 5.51 3.58 3 7.1 4.6 5.24 3.46 2 k r0.01 r0.05 饵料水平的R值(标准误=1.3503) 放养密度的多重比较结果 密度（因素a） 平均值 差异显著性 α＝0.01 α=0.01 饵料的多重比较结果 饵料（因素b） 平均值 差异显著性 α＝0.01 α=0.01 结论：多重比较结果表明，从平均产鱼量来看，A2与A1、A3的差异极显著，A1与A3无显著差异，以A2最好；B1与B2、B3差异显著B4与B2差异也显著，以B1最好。综合来看，以A2搭配B1的增重效果最好。 两因素有重复资料的方差分析 (两向分组有重复资料的方差分析) 在因素间存在交互作用时，由于交互作用的存在，在固定模型中，每一处理都应设置重复。重复之间的平方和为误差平方和。有了误差平方和，才能把交互作用从总平方和中分解出来： SSAB＝SST－SSA－SSB－SSE 如果不设重复，则： SSE＝SST－SSA－SSB ＆9.2.3 观察值的线性模型是： 例：3个罗非鱼品种A1、A2、A3和4种不同蛋白质水平的饵料B1、B2、B3、B4，每个处理配置两个鱼池进行试验。试验期内每池的产鱼量（kg）如表所示。试做方差分析。 品种 蛋白质水平 xi.. B1 B2 B3 B4 A1 134 130.1 129.8 129 1044.0 130.5 132.7 132.8 126.7 128.9 A2 132 130.2 128.7 127.6 1037.4 129.68 133.2 129.8 128.1 127.8 A3 128.4 127.3 129.7 128.8 1028.8 128.6 129.3 128.9 127.3 129.1 Xj. 789.6 779.1 770.3 771.2 x…=3110.2 131.6 129.85 128.38 153.83 =129.59 （1）数据输入与数据选择： 数据输入与数据选择： 随机模型适用于水平的总体，不做多重比较；而固定模型只适用于所选定的a个水平。 A因素多重比较 A3显著低于A1 B1非常显著地高于B4、B3 B1非常显著地高于B4、B3 因素A 因素B 重复1 重复2 重复3 重复4 A1 B1 41 49 23 25 A1 B2 11 13 25 24 A1 B3 6 22 26 18 A2 B1 47 59 50 40 A2 B2 43 38 33 36 A2 B3 8 22 18 14 A3 B1 43 35 53 50 A3 B2 55 38 47 44 A3 B3 30 33 26 19 P169:存在交互作用。由于交互作用的存在，在固定模型中，每一处理都应设置重复。重复之间的平方和为误差平方和。有了误差平方和，才能把交互作用从总平方和中分解出来。 第九章 两因素方差分析 同时考察品种(A)与饲料(B)对鲢鱼日增重的影响。如表9.1 所示.品种设置3个水平，饲料设置4个水平，且品种的每一水平与饲料的每一个水平进行均匀搭配。这种不同因素的水平间均匀搭配而安排的试验，称为两因素交叉分组或两向分组的试验。按两因素交叉分组或两向分组进行试验，所获得的资料称为两因素交叉分组或两向分组资料。 复因子试验的必要性 　不仅能解决各因子水平间的比较问题，且能分析因子间的互作问题。 与同条件下的单因子试验精确度高 必须将处理组合的SS和DF进一步分解为各个因子及其各项交互作用的SS和DF，从而进行因子主效应及交互作用效应的F测验。 1、试验效应（effect）：处理所产生的效果，是试验因素（饵料）对试验指标（产量）所起的增进或减退的作用。 2、 简单效应：某一因素在另一因素不同水平上所产生的效应不同，称为简单效应。 ＆9.1 两因素方差分析中的几个概念 A1 A2 B1 18 24 B2 38 44 A因素的简单效应： 在B1水平上：24-18=6 在B2水平上：44-38=6 A1 A2 B1 18 24 B2 38 44 3、主效应(main effect) ：由于因素水平的改变而造成因素效应的改变，称为主效应。 A因素的主效应：两个水平的简单效应的平均值 = =[（24-18）+（44-38） ]/2 =（6+6）/2=6 B因素的主效应：两个水平的简单效应的平均值 =[（38-18）+（44-24） ]/2 = 20 互作