线性模型与基本假定.pptVIP

对于【例5·1】，因为根据df1=dft=4，df2=dfe=15查附表4，得F0.01(4，15)=4.89，因为F＞F0.01(4，15),即p＜0.01，表明五种不同施肥处理的稻谷产量差异极显著，施肥处理不同，产量亦不同。表5-3表5-2资料方差分析表变异来源SSdfMSF值处理间301.2475.3011.19**处理内101.0156.73总变异402.219多重比较F值显著或极显著，否定无效假设HO，表明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的，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。12有必要进行两两处理平均数间的比较，以具体判断两两处理平均数间的差异显著性。01统计学上把多个平均数两两间的相互比较称为多重比较。02多重比较的方法很多，常用的有最小显著差数法(LSD法)和最小显著极差法(LSR法)。03（一）最小显著差数法(LSD法)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的差数的绝对值与其比较：若＞LSDα，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检验中误差自由度下，显著水平为α的临界t值，为均数差数标准误，其中为F检验中的误差均方，n为各处理的重复数。当显著水平α=0.05和0.01时，从t值表中查出和，得：利用LSD法进行多重比较时，可按如下步骤进行：计算最小显著差数和；将平均数多重比较表中两两平均数的差数与、比较，作出统计推断。列出平均数多重比较表比较表中各处理按其平均数从大到小自上而下排列；对于【例5-1】，多重比较如表5-4所示。检验结果：差数2.5、1.5、3.0不显著；差数4.5、4.0、4.5显著；差数7.0、8.5、7.0和11.5极显著。表明：施尿素的稻谷平均产量极显著高于对照和施氨水2、显著高于施氨水1；施碳酸氢铵的稻谷平均产量极显著高于对照、显著高于施氨水2；321一、线性模型与基本假定假设某单因素试验有k个处理，n次重复，完全随机设计，则共有nk个观察值，其数据结构和符号如表5-1所示。xij可以表示为第一节方差分析的基本原理与步骤为第i个处理观测值总体平均数；其中，为试验误差、相互独立、且服从正态分布N（0，σ2）。若令则（5-1）式可以改写为（5-4）其中，μ为全试验观测值总体平均数；显然有（5-4）式叫做单因素完全随机设计试验资料的数学模型。是第i个处理的效应，表示处理i对试验结果产生的影响。表示为总平均数μ、处理效应αi、试验误差εij之和。由εij相互独立且服从正态分布N（0，σ2），可知各处理Ai(i=1，2，…，k)所属总体亦应具正态性，即服从正态分布N(μi,σ2)。尽管各总体的均数可以不等或相等，σ2则必须是相等的。12所以，单因素完全随机设计试验资料的数学模型可归纳为：效应的可加性（additivity）分布的正态性（normality）方差的一致性（homogeneity）在方差分析中用样本方差即均方来度量资料的变异程度。01在表5-1中，度量全部观测值总变异的总均方分解为度量处理间变异的处理间均方和度量处理内变异的处理内均方两部分。02二、平方和与自由度的分解统计学上，这种分解是通过将总均方的分子──称为总离均差平方和，简称为总平方和，分解为处理间平方和与处理内平方和两部分；将总均方的分母──称为总自由度，分解为处理间自由度与处理内自由度两部分来实现的。（一）总平方和的分解在表5-1中，反映全部观测值总变异的总平方和是各观测值xij与总平均数的离均差平方和，记为SST。即因为其中所以式中，为各处理平均数与总平均数的离均差平方和与重复数n的乘积，反映了重复n次的处理间变异，称为处理间平方和，记为SSt，即为各处理内离均差平方和之和，反映了各处理内的变异即误差，称为处理内平方和或误差平方和，记为SSe，即