双因素和多因素方差分析.PPT

《双因素和多因素方差分析.PPT》由会员分享，可在线阅读，更多相关《双因素和多因素方差分析.PPT（69页珍藏版）》请在装配图网上搜索。

1、第九章第九章 两因素及多因素两因素及多因素 方差分析方差分析2本章内容n9.1 两因素方差分析中的基本概念n9.2 固定模型n9.3 随机模型n9.4 混合模型n9.5 两个以上因素的方差分析n9.6 缺失数据的估计n9.7 变换39.1 两因素方差分析中的基本概念n9.1.19.1.1模型类型模型类型 交叉分组设计(cross over design)：假设A药物 有a水平，B药物有b水平，有ab个剂量混合，每组重复n次。共有abn名病人参加实验。对于两因素交叉分组设计的实验要采用两因素方差分析 固定模型：两因素实验中，两个因素都是固定因素时；随机模型：两因素实验中，两个因素都是随机因素时；

2、混合模型：两因素实验中，一个因素是固定因素，另一个是随机因素时。49.1.2 主效应与交互作用n主效应(main effect):因素水平的改变造成因素效应的改变，称该因素的主效应。A1 A2B1 18 24 B2 38 44A因素的主效应为(24+44)/2-(18+38)/2=659.1.2 主效应与交互作用9.1.2 主效应与交互作用n交互作用(interaction):某一因素在另一因素不同水平上产生的效应不同，则两因素间存在交互作用。A1 A2B1 18 28 B2 38 44交互作用的大小用A1B1+A2B2-A1B2-A2B1来估计A(在B1的水平上)=A2B1-A1B1A(在B

3、2的水平上)=A2B2-A1B26n当A、B间不存在交互作用时，从B1变化到B2不以A水平的变化而改变，所以B1-B1，B2-B2两线平行(图9-1a);n当存在交互作用时，A的效应依B的水平而不同，所以B1-B1，B2-B2 两线不平行(图9-1b)。79.1.3 两因素交叉分组实验设计的一般格式n两因素实验的典型设计：假定A因素有a水平，B因素有b水平，则每一次重复有ab次实验，设试验重复n次，则试验总次数为abn。数据以表9-1的形式出现。89 表9-1中，xi.表示A因素第i水平的所有观测值的和；x.j.表示B因素第j水平的所有观测值的和；xij.表示A的第i和B的第j水平的所有观测值

4、的和；x表示所有观测值的和。109.2 固定模型n9.2.19.2.1线性统计模型线性统计模型观测值可以用以下线性统计模型描述：其中是总平均效应；i是A因素第i水平的处理效应；j是B因素第j水平的处理效应；()ij 是交互作用效应，ijk为随机误差，相互独立，且服从N(0，2)。nibjaibjijijijaibjji1111110)()()()1.9(,.,2 ,1,.,2 ,1,.,2 ,1nkbjaixijkijjiijk11n两因素交叉分组设计中，固定模型方差分析的零假设为：bjaiHHHijba.,2,1.,2,10:0.:0.:0321022101129.2.2 平方和与自由度的分

5、解nA因素引起的平方和SSA，B因素引起的平方和SSB，A、B交互作用引起的平方和SSAB及误差平方和分别是：EABBAaibjnkijkTSSSSSSSSxxSS2111.)31.9()21.9(9.11)(9.10)2111.112.21.21.aibjnkijijkeaibjjiijABbjjBaiiAxxSSxxxxnSSxxanSSxxbnSS13n相应的自由度为：n相应均方为：eeeABABABBBBAAAdfSSMSdfSSMSdfSSMSdfSSMS/,/,/149.2.3 均方期望与统计量F的确定15169.2.4 平方和的简易计算方法将(9.9)(9.11)变形得：其中 为

6、校正项，用C表示。误差平方和是通过计算重复间平方和得到的。(9.13)可以改写为：(9.20)1SS(9.19)1(9.18)2.12.2.12.2.1112abnxxanabnxxbnSSabnxxSSbjjBaiiAaibjnkijkT(9.21)1112.1112aibjijaibjnkijkexnxSS17n交互作用平方和为：n例9.1 189.2.5 无重复实验时的两因素方差分析n观测值的线性模型：i=j=0;19n例9.2209.2.6 交互作用的判断(Tukey,1949)n将残余项平方和(SST-SSA-SSB)分解为具有1自由度的非累加（交互作用）的成分和具(a-1)(b-1

7、)-1自由度的误差成分：n例9.3219.2.7 多重比较n固定效应模型中，如果主效应显著，还应该在每一因素（例如A)的各水平的平均数之间做多重比较，仍然使用Duncan多范围检验；如果交互作用显著，则将B固定在某一水平，在该特定水平上，比较A因素各水平的平均数。n例如，将例9.1中的A因素固定在第二种原料上，比较不同温度对产量的影响。将产量依次排序：22n 如果考虑交互作用的话，就要比较全部ab次处理，才能得出哪些差异是显著的。这样比较的结果不仅包括主效应，而且包括交互作用。239.3 随机模型n9.3.1 线性统计模型随机模型的线性统计模型如下:)26.9(,.,2 ,1,.,2 ,1,.

8、,2 ,1nkbjaixijkijjiijk249.3.2 均方期望与统计量F的确定 方差分析与固定模型的分析一样，分别计算出SST，SSA，SSB，SSe。各均方的数学期望分别为：从均方的数学期望可以看出，的检验统计量是：(9.30)(9.29)(9.28)(9.27)(222222222eABBAMSEnMSEannMSEbnnMSE0:203H2526n 随机分析模型的方差分析表：n例9.4279.4 混合模型n9.4.19.4.1线性统计模型线性统计模型 混合模型中，每一观测值xijk的线性统计模型为：其中i是固定效应，j是随机效应，交互作用()ij为随机效应。i=0，j是服从N(0，

9、)的随机变量。交互作用效应是平均数为0，方差为 正态随机变量。因为固定因素的全部交互作用效应之和为0，所以在固定因素的某个水平上，交互作用的成分不是独立的。)34.9(,.,2 ,1,.,2 ,1,.,2 ,1nkbjaixijkijjiijk21aa2289.4.2 均方期望与统计量F的确定29n固定因素效应的估计为：n例9.530n在随机模型和混合模型中，不设置重复，同样会有固定模型中的问题，即因素间的交互作用与实验误差无法区分，全部归于误差项。特别是在混和模型中，随机因素的个水平之间存在的差异，往往检查不出来，结果降低了实验的可靠性。因而，在条件允许的情况下，不论哪种模型，最好都设置重复

10、。319.5 两个以上因素的方差分析n9.5.1 9.5.1 平方和与自由度分解的一般规律平方和与自由度分解的一般规律将两种方式分组的方差分析，扩展到一般情况。例如，在一个实验中，A因素有a水平，B因素有b水平，C因素有c水平，假设每一处理都有n次重复(n2)，那么总观测次数为abcn，线性统计模型为：nlckbjaixijklijkjkikijkjiijkl,.,2,1,.,2,1,.,2,1,.,2,13233n自由度的分解：dfA=a-1 dfB=b-1 dfC=c-1 dfAB=(a-1)(b-1)dfAC=(a-1)(c-1)dfBC=(b-1)(c-1)dfABC=(a-1)(b-

11、1)(c-1)dfe=abc(n-1)349.5.2 均方期望的表格化推演n表格法推演均方期望有以下规定：1.线性统计模型中误差ijk的下标写为(ij)k，括号内的下标为死下标(dead subscript);括号外的下表为活下标(live subscript)。i,i，()ij中的下标都为活下标；2.固定模型中各因素的效应分别用该模型分量的平方和除以自由度表示；3.随机模型中各因素的效应分别用以希腊字母为下标的方差表示；4.混合模型中，交互作用的两个因素只要有一个是随机的，则交互作用是随机的，其方差分量记为2；5.不论哪种模型，误差的方差一律极为2.35n以固定模型为例，说明推演步骤：363

12、79.5.3 统计量F的确定n一般规律：为了得到检验某个因素或某个交互作用的统计量，在计算F时分子均方的组成比分母均方的组成仅多出欲检验的分量(固定因素)或方差分量(随机因素)，除此之外的其他成分应完全相同。n以三因素交叉分组实验的方差分析为例，说明检验统计量的确定。线性统计模型为：nlckbjaixijklijkjkikijkjiijkl,.,2,1,.,2,1,.,2,1,.,2,138设A、C为固定因素，B为随机因素，构成混合模型，各均方期望由下表给出39n交互作用的检验统计量分别为：n三个主效应的检验统计量分别为：409.6 缺失数据的估计n实验过程中，由于意外原因，使全部数据中的一个

13、或两个缺失，又没有重做实验的可能性，可以采用补救。n补救原则：补上缺失的数据以后，所得到的误差平方和最小。419.6.1 缺失一个数据n设表9-13中x23是缺失的42 为了使SSe达到最小，令 ，则可以计算出x=215n9.6.2 缺失两个数据 设表9-14中缺失x23和x42，分别称为x和y。43方程的解，即为x和y的值从而，x=213.55,y=366.05449.6.3 缺失数据资料的方差分析n缺失数据的估计，可以使计算得以完成，但并不能提供更多的信息。因此，实验工作一定要认真操作，数据要仔细记录。由于缺失数据是估计值，当缺失一个数据时，总自由度和误差自由度都相应减1，但A、B两因素各

14、自的自由度不变。同样，缺失两个数据时，总自由度和误差自由度都相应减2。n如果缺失数据不是很多，对处理平均数之间的检验影响不大，在缺失数据估计出来之后，按照一般方法进行方差分析，只要将总自由度和误差自由度减去缺失数据个数即可。459.7 变换方差分析应该满足三个条件：可加性、正态性和方差齐性。数据变换的目的主要是满足方差齐性的要求，同时正态性和可加性都可以得到较好的满足。n9.7.1平方根变换 此法适用于各组均方与其平均数之间有某种比例关系的资料，尤其适用于总体呈泊松分布的资料。转换的方法是求出原数据的平方根 。x46 若原观测值中有为0的数或多数观测值小于10，则把原数据变换成 。对于稳定均方

15、，使方差符合同质性的作用更加明显。变换也有利于满足效应可加性和正态性的要求。n9.7.2反正弦变换(arcsine transformation)反正弦转换也称角度转换。此法适用于服从 二项分布 的资料。转换的方法是求出每个原数据平方根的(用百分数或小数表示)的反正弦 ，转换后的数值是角度值。1xp1sin47n9.7.3对数变换(logarithmic transformation)如果各组数据的标准差与其平均数的平方大体成比例，或者效应为相乘性或非相加性，则将原数据变换为对数(lgx)后，可以使方差变成比较一致而且使效应由相乘性变成相加性。如果原数据包括有0，可以采用lg(x+1)变换的方

16、法。4849n例9.1 为了从3中不同原料和3中不同发酵温度中，选出最适宜的条件，设计了一个两因素试验，并得到表9-3(P125)。在这个实验中，温度和原料均为固定因素。每一处理有4次重复。将表中的每一位数字减去30，列成表9-4.1。50利用xij.列，列成表9-4.2。由表9-4.1可以计算出5152 列成方差分析表 原料和温度在=0.01水平上拒绝H0，交互作用在=0.05水平上拒绝H0。因此，酒精的产量，不仅与原料及发酵温度有关，而且与两者的交互作用有关。53n图9-2为原料与温度的交互作用，可以明显看出3条折线的非平行关系。在30C时，原料2的产量高于原料3，而当35C时原料2的产量

17、反而低于原料3。因此，在选择因素的最优水平时，一定要考虑交互作用的影响。54n由于存在交互作用，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。如果不设重复，所得到的残余项平方和，包括由误差及交互作用两部分所引起的平方和，2和2混杂在一起无法分开。因此在因素间存在交互作用时，不设重复是无意义的。55F1，8，0.05=5.32，FF0.05。因此，没有充分根据说明数据见存在交互作用。56n例9.2 题目及相关数据见P127 解 密度和施肥量都是固定因素。根据经验，密度与施肥量之间不存在交互作用。将表9-6中每个xij减去70

18、0，列成表9-7。5758n结论是，密度间的产量差异在=0.05水平上显著；施肥量之间的差异在=0.01的水平上显著。再经过多重比较，便可以从选定的水平中选出最佳密度和最佳施肥量。59n例9.3 判断例9.2中密度与施肥量是否存在交互作用。解 根据表9-7中的数据，得 代入9.23式，得 60 F 1，8，0.05=5.32，FF0.05，所以，没有充分根据说明数据间存在交互作用。61 例9.4 为了研究施用不同数量的农家肥及不同农工的田间管理对作物产量的影响,设计了一个两因素实验,实验结果如下:62 解 将表中每个数据减去9.5，列成表9-9.1：63 利用xij.列，列成表9-9.2：由表

19、9-9.1计算出64 由表9-9.2计算出 列成方差分析表：65 从以上方差分析表中可以看出，不同农工的田间管理对产量没有显著影响，但不通的施肥量，对产量的影响极为显著。根据均方期望还能估计出个方差分量：66例例9.5 下表中的数据是受试者在一天内的4种不同时间,以不同速度工作,即正常速度的60%,80%,100%,120%所得到的能量消耗值。试验共有16个处理，每一个处理重复两次，共做32次实验。67 解 首先看因素类型。因素A是人为的选出的4个水平，可以是严格控制的，所以因素A为固定型。因素B的四个水平，是从一天内不同的时间中随机抽取的4个时间，所以因素B为随机型。列出方差分析表 6869nFF 3，9，0.05，接受H01。因素A是不显著的。在选定的这四种速度下工作，能量消耗没有显著不同。