试验统计方法 8.第六章方差分析学习资料.ppt

第五节两向分组资料的方差分析观察值可以从A（因素）和B（因素）两个方向进行分组，A因素的每个水平与B因素的每个水平平衡相遇。此类资料又称为交叉分组资料。若A因素有a个水平，B因素有b个水平，则共有ab个处理。按每个处理是否有重复观察值可分为两种情况。一、组内只有单个观察值的两向分组资料的方差分析对于A、B两个试验因素的全部ab个处理组合，每个处理组合只有一个观测值，全试验共有ab个观测值，其数据模式如下表所示。无重复观察值的两向分组试验数据模式每一观察值的线性可加模型为因此全部ab个观测值的总变异可以分解为A因素水平间变异、B因素水平间变异及试验误差三部分；自由度也相应分解。平方和的计算公式为：【例题】将一种生长素配成M1、M2、M3、M4、M5五种浓度，并用H1、H2、H3三种时间浸渍某大豆品种的种子，出苗45天后得各处理的平均干物质重（g）。试作方差分析与多重比较。（1）平方和与自由度的分解：自由度的计算激素处理对大豆干物重影响的方差分析（2）F测验：不同时间处理的方差不显著；不同浓度处理间有极显著的差异，需进一步作多重比较。（3）处理间比较（SSR法）不同激素浓度大豆干物重差异显著性测验全试验共有ab个观测值，每个处理组合只有一个观测值，无法正确估计试验误差。估计的试验误差包含A、B两因素的互作效应。在进行多因素试验时，除了研究每一因素对试验指标的影响外，往往更希望研究因素之间的交互作用。例如，通过对新品种的密度、施氮肥量、施磷肥量等技术措施对产量的影响，以及有无交互作用的研究，最终确定最优的栽培技术措施，有利于发挥新品种的增产作用。上面介绍的两因素单个观测值的试验，因为处理组合只有一个观测值，交互作用与误差混在了一起，所以无法将交互作用的方差与真正的试验误差区分开来。二、有重复观察值的两向分组资料的方差分析设A与B两因素分别具有a与b个水平，共有ab个组合，每个组合有n次重复，则全试验共有abn个观测值。这类试验结果的数据模式如下表所示。两因素有重复观测值试验数据模式两因素有重复观测值试验资料的数学模型为:其中，为总平均数；αi为Ai的效应；βj为Bj的效应；(αβ)ij为Ai与Bj的互作效应，为随机误差。两因素有重复观测值试验结果方差分析平方和与自由度的分解式为：SST=SSA+SSB+SSAB+SSedfT=dfA+dfB+dfAB+dfe其中，SSAB，dfAB为A因素与B因素交互作用的平方和与自由度。首先将原数据整理成单向分组数据各项平方和、自由度及均方的计算公式如下:总平方和与自由度：处理平方和与自由度，dft=ab-1处理平方和包括：(1)A因素的平方和SSA(2)B因素的平方和SSB(3)A×B互作的平方和SSAB然后将各处理的Tij按A、B两因素整理成两向表自由度与平方和分解汇总表各变异来源的期望均方*A随机，B固定。【例题】施用A1、A2、A3三种肥料于B1、B2、B3三种土壤，以小麦为指示作物，每处理组合3盆，得产量结果（g)。试作方差分析。处理组合的单向分组表dfT=abn-1=26肥料间（A因素）土壤间（B因素）A与B因素互作：（2）F测验将上述结果整理成方差分析表，采用固定模型，进行F测验。不同肥料间、肥料与土壤间互作的F值达极显著水平。不同土壤间F值未达显著水平。（3）平均数的比较。①各处理组合平均数的比较。根据df=18查表，计算LSR0.05和LSR0.01A1B1处理组合极显著地高于其它组合，A1B2和A1B3之间差异不显著，但极显著地高于除A1B1之外的其它处理组合。②不同肥料间平均数的比较：当df=18时，查表求LSR值。肥料A1与A3、