兩因素以及多因素方差分析

1、關(guān)于兩因素及多因素方差分析第一張，PPT共七十頁，創(chuàng)作于2022年6月本章內(nèi)容9.1 兩因素方差分析中的基本概念9.2 固定模型9.3 隨機(jī)模型9.4 混合模型9.5 兩個以上因素的方差分析9.6 缺失數(shù)據(jù)的估計9.7 變換第二張，PPT共七十頁，創(chuàng)作于2022年6月9.1 兩因素方差分析中的基本概念9.1.1模型類型 交叉分組設(shè)計(cross over design)：假設(shè)A藥物 有a水平，B藥物有b水平，有ab個劑量混合，每組重復(fù)n次。共有abn名病人參加實(shí)驗。 對于兩因素交叉分組設(shè)計的實(shí)驗要采用兩因素方差分析 固定模型：兩因素實(shí)驗中，兩個因素都是固定因素時； 隨機(jī)模型：兩因素實(shí)驗中，兩個

2、因素都是隨機(jī)因素時； 混合模型：兩因素實(shí)驗中，一個因素是固定因素，另一個是隨機(jī)因素時。第三張，PPT共七十頁，創(chuàng)作于2022年6月9.1.2 主效應(yīng)與交互作用主效應(yīng)(main effect):因素水平的改變造成因素效應(yīng)的改變，稱該因素的主效應(yīng)。 A1 A2B1 18 24 B2 38 44A因素的主效應(yīng)為(24+44)/2-(18+38)/2=6第四張，PPT共七十頁，創(chuàng)作于2022年6月9.1.2 主效應(yīng)與交互作用9.1.2 主效應(yīng)與交互作用交互作用(interaction):某一因素在另一因素不同水平上產(chǎn)生的效應(yīng)不同，則兩因素間存在交互作用。 A1 A2B1 18 28 B2 38 44交

3、互作用的大小用A1B1+A2B2-A1B2-A2B1來估計A(在B1的水平上)=A2B1-A1B1A(在B2的水平上)=A2B2-A1B2第五張，PPT共七十頁，創(chuàng)作于2022年6月當(dāng)A、B間不存在交互作用時，從B1變化到B2不以A水平的變化而改變，所以B1-B1，B2-B2兩線平行(圖9-1a);當(dāng)存在交互作用時，A的效應(yīng)依B的水平而不同，所以B1-B1，B2-B2 兩線不平行(圖9-1b)。第六張，PPT共七十頁，創(chuàng)作于2022年6月9.1.3 兩因素交叉分組實(shí)驗設(shè)計的一般格式兩因素實(shí)驗的典型設(shè)計：假定A因素有a水平，B因素有b水平，則每一次重復(fù)有ab次實(shí)驗，設(shè)試驗重復(fù)n次，則試驗總次數(shù)為

4、abn。數(shù)據(jù)以表9-1的形式出現(xiàn)。第七張，PPT共七十頁，創(chuàng)作于2022年6月第八張，PPT共七十頁，創(chuàng)作于2022年6月 表9-1中，xi.表示A因素第i水平的所有觀測值的和；x.j.表示B因素第j水平的所有觀測值的和；xij.表示A的第i和B的第j水平的所有觀測值的和；x表示所有觀測值的和。第九張，PPT共七十頁，創(chuàng)作于2022年6月9.2 固定模型9.2.1線性統(tǒng)計模型觀測值可以用以下線性統(tǒng)計模型描述：其中是總平均效應(yīng)；i是A因素第i水平的處理效應(yīng)；j是B因素第j水平的處理效應(yīng)；()ij 是交互作用效應(yīng)， ijk為隨機(jī)誤差，相互獨(dú)立，且服從N(0，2)。 第十張，PPT共七十頁，創(chuàng)作于2

5、022年6月兩因素交叉分組設(shè)計中，固定模型方差分析的零假設(shè)為： 第十一張，PPT共七十頁，創(chuàng)作于2022年6月9.2.2 平方和與自由度的分解A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及誤差平方和分別是：第十二張，PPT共七十頁，創(chuàng)作于2022年6月相應(yīng)的自由度為：相應(yīng)均方為： 第十三張，PPT共七十頁，創(chuàng)作于2022年6月9.2.3 均方期望與統(tǒng)計量F的確定第十四張，PPT共七十頁，創(chuàng)作于2022年6月第十五張，PPT共七十頁，創(chuàng)作于2022年6月9.2.4 平方和的簡易計算方法將(9.9)(9.11)變形得：其中 為校正項，用C表示。誤差平方和是

6、通過計算重復(fù)間平方和得到的。(9.13)可以改寫為： 第十六張，PPT共七十頁，創(chuàng)作于2022年6月交互作用平方和為：例9.1 第十七張，PPT共七十頁，創(chuàng)作于2022年6月9.2.5 無重復(fù)實(shí)驗時的兩因素方差分析觀測值的線性模型： i=j=0; 第十八張，PPT共七十頁，創(chuàng)作于2022年6月例9.2第十九張，PPT共七十頁，創(chuàng)作于2022年6月9.2.6 交互作用的判斷(Tukey,1949)將殘余項平方和(SST-SSA-SSB)分解為具有1自由度的非累加（交互作用）的成分和具(a-1)(b-1)-1自由度的誤差成分：例9.3第二十張，PPT共七十頁，創(chuàng)作于2022年6月9.2.7 多重比

7、較固定效應(yīng)模型中，如果主效應(yīng)顯著，還應(yīng)該在每一因素（例如A)的各水平的平均數(shù)之間做多重比較，仍然使用Duncan多范圍檢驗；如果交互作用顯著，則將B固定在某一水平，在該特定水平上，比較A因素各水平的平均數(shù)。例如，將例9.1中的A因素固定在第二種原料上，比較不同溫度對產(chǎn)量的影響。將產(chǎn)量依次排序：第二十一張，PPT共七十頁，創(chuàng)作于2022年6月 如果考慮交互作用的話，就要比較全部ab次處理，才能得出哪些差異是顯著的。這樣比較的結(jié)果不僅包括主效應(yīng)，而且包括交互作用。第二十二張，PPT共七十頁，創(chuàng)作于2022年6月9.3 隨機(jī)模型9.3.1 線性統(tǒng)計模型隨機(jī)模型的線性統(tǒng)計模型如下: 第二十三張，PPT

8、共七十頁，創(chuàng)作于2022年6月9.3.2 均方期望與統(tǒng)計量F的確定 方差分析與固定模型的分析一樣，分別計算出SST，SSA，SSB，SSe。各均方的數(shù)學(xué)期望分別為： 從均方的數(shù)學(xué)期望可以看出， 的檢驗統(tǒng)計量是：第二十四張，PPT共七十頁，創(chuàng)作于2022年6月第二十五張，PPT共七十頁，創(chuàng)作于2022年6月 隨機(jī)分析模型的方差分析表：例9.4第二十六張，PPT共七十頁，創(chuàng)作于2022年6月9.4 混合模型9.4.1線性統(tǒng)計模型 混合模型中，每一觀測值xijk的線性統(tǒng)計模型為：其中i是固定效應(yīng)，j是隨機(jī)效應(yīng)，交互作用()ij為隨機(jī)效應(yīng)。i=0，j是服從N(0， )的隨機(jī)變量。交互作用效應(yīng)是平均數(shù)為

9、0，方差為 正態(tài)隨機(jī)變量。因為固定因素的全部交互作用效應(yīng)之和為0，所以在固定因素的某個水平上，交互作用的成分不是獨(dú)立的。第二十七張，PPT共七十頁，創(chuàng)作于2022年6月9.4.2 均方期望與統(tǒng)計量F的確定第二十八張，PPT共七十頁，創(chuàng)作于2022年6月固定因素效應(yīng)的估計為：例9.5第二十九張，PPT共七十頁，創(chuàng)作于2022年6月在隨機(jī)模型和混合模型中，不設(shè)置重復(fù)，同樣會有固定模型中的問題，即因素間的交互作用與實(shí)驗誤差無法區(qū)分，全部歸于誤差項。特別是在混和模型中，隨機(jī)因素的個水平之間存在的差異，往往檢查不出來，結(jié)果降低了實(shí)驗的可靠性。因而，在條件允許的情況下，不論哪種模型，最好都設(shè)置重復(fù)。第三十

10、張，PPT共七十頁，創(chuàng)作于2022年6月9.5 兩個以上因素的方差分析9.5.1 平方和與自由度分解的一般規(guī)律將兩種方式分組的方差分析，擴(kuò)展到一般情況。例如，在一個實(shí)驗中，A因素有a水平，B因素有b水平，C因素有c水平，假設(shè)每一處理都有n次重復(fù)(n2)，那么總觀測次數(shù)為abcn，線性統(tǒng)計模型為：第三十一張，PPT共七十頁，創(chuàng)作于2022年6月第三十二張，PPT共七十頁，創(chuàng)作于2022年6月自由度的分解： 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-1)(c-1) df

11、e=abc(n-1)第三十三張，PPT共七十頁，創(chuàng)作于2022年6月9.5.2 均方期望的表格化推演表格法推演均方期望有以下規(guī)定：1.線性統(tǒng)計模型中誤差ijk的下標(biāo)寫為(ij)k，括號內(nèi)的下標(biāo)為死下標(biāo)(dead subscript);括號外的下表為活下標(biāo)(live subscript)。i,i，()ij中的下標(biāo)都為活下標(biāo)；2.固定模型中各因素的效應(yīng)分別用該模型分量的平方和除以自由度表示；3.隨機(jī)模型中各因素的效應(yīng)分別用以希臘字母為下標(biāo)的方差表示；4.混合模型中，交互作用的兩個因素只要有一個是隨機(jī)的，則交互作用是隨機(jī)的，其方差分量記為2；5.不論哪種模型，誤差的方差一律極為2.第三十四張，PPT

12、共七十頁，創(chuàng)作于2022年6月以固定模型為例，說明推演步驟：第三十五張，PPT共七十頁，創(chuàng)作于2022年6月第三十六張，PPT共七十頁，創(chuàng)作于2022年6月9.5.3 統(tǒng)計量F的確定一般規(guī)律：為了得到檢驗?zāi)硞€因素或某個交互作用的統(tǒng)計量，在計算F時分子均方的組成比分母均方的組成僅多出欲檢驗的分量(固定因素)或方差分量(隨機(jī)因素)，除此之外的其他成分應(yīng)完全相同。以三因素交叉分組實(shí)驗的方差分析為例，說明檢驗統(tǒng)計量的確定。線性統(tǒng)計模型為：第三十七張，PPT共七十頁，創(chuàng)作于2022年6月設(shè)A、C為固定因素，B為隨機(jī)因素，構(gòu)成混合模型，各均方期望由下表給出第三十八張，PPT共七十頁，創(chuàng)作于2022年6月交

13、互作用的檢驗統(tǒng)計量分別為：三個主效應(yīng)的檢驗統(tǒng)計量分別為：第三十九張，PPT共七十頁，創(chuàng)作于2022年6月9.6 缺失數(shù)據(jù)的估計實(shí)驗過程中，由于意外原因，使全部數(shù)據(jù)中的一個或兩個缺失，又沒有重做實(shí)驗的可能性，可以采用補(bǔ)救。補(bǔ)救原則：補(bǔ)上缺失的數(shù)據(jù)以后，所得到的誤差平方和最小。第四十張，PPT共七十頁，創(chuàng)作于2022年6月9.6.1 缺失一個數(shù)據(jù)設(shè)表9-13中x23是缺失的第四十一張，PPT共七十頁，創(chuàng)作于2022年6月 為了使SSe達(dá)到最小，令 ，則可以計算出x=2159.6.2 缺失兩個數(shù)據(jù) 設(shè)表9-14中缺失x23和x42，分別稱為x和y。 第四十二張，PPT共七十頁，創(chuàng)作于2022年6月方

14、程的解，即為x和y的值從而，x=213.55,y=366.05第四十三張，PPT共七十頁，創(chuàng)作于2022年6月9.6.3 缺失數(shù)據(jù)資料的方差分析缺失數(shù)據(jù)的估計，可以使計算得以完成，但并不能提供更多的信息。因此，實(shí)驗工作一定要認(rèn)真操作，數(shù)據(jù)要仔細(xì)記錄。由于缺失數(shù)據(jù)是估計值，當(dāng)缺失一個數(shù)據(jù)時，總自由度和誤差自由度都相應(yīng)減1，但A、B兩因素各自的自由度不變。同樣，缺失兩個數(shù)據(jù)時，總自由度和誤差自由度都相應(yīng)減2。如果缺失數(shù)據(jù)不是很多，對處理平均數(shù)之間的檢驗影響不大，在缺失數(shù)據(jù)估計出來之后，按照一般方法進(jìn)行方差分析，只要將總自由度和誤差自由度減去缺失數(shù)據(jù)個數(shù)即可。第四十四張，PPT共七十頁，創(chuàng)作于202

15、2年6月9.7 變換方差分析應(yīng)該滿足三個條件：可加性、正態(tài)性和方差齊性。數(shù)據(jù)變換的目的主要是滿足方差齊性的要求，同時正態(tài)性和可加性都可以得到較好的滿足。9.7.1平方根變換 此法適用于各組均方與其平均數(shù)之間有某種比例關(guān)系的資料，尤其適用于總體呈泊松分布的資料。轉(zhuǎn)換的方法是求出原數(shù)據(jù)的平方根 。第四十五張，PPT共七十頁，創(chuàng)作于2022年6月 若原觀測值中有為0的數(shù)或多數(shù)觀測值小于10，則把原數(shù)據(jù)變換成 。對于穩(wěn)定均方，使方差符合同質(zhì)性的作用更加明顯。變換也有利于滿足效應(yīng)可加性和正態(tài)性的要求。 9.7.2反正弦變換(arcsine transformation) 反正弦轉(zhuǎn)換也稱角度轉(zhuǎn)換。此法適用

16、于服從 二項分布 的資料。轉(zhuǎn)換的方法是求出每個原數(shù)據(jù)平方根的(用百分?jǐn)?shù)或小數(shù)表示)的反正弦 ，轉(zhuǎn)換后的數(shù)值是角度值。第四十六張，PPT共七十頁，創(chuàng)作于2022年6月9.7.3對數(shù)變換(logarithmic transformation) 如果各組數(shù)據(jù)的標(biāo)準(zhǔn)差與其平均數(shù)的平方大體成比例，或者效應(yīng)為相乘性或非相加性，則將原數(shù)據(jù)變換為對數(shù)(lgx)后，可以使方差變成比較一致而且使效應(yīng)由相乘性變成相加性。 如果原數(shù)據(jù)包括有0，可以采用lg(x+1)變換的方法。第四十七張，PPT共七十頁，創(chuàng)作于2022年6月謝謝第四十八張，PPT共七十頁，創(chuàng)作于2022年6月例9.1 為了從3中不同原料和3中不同發(fā)酵

17、溫度中，選出最適宜的條件，設(shè)計了一個兩因素試驗，并得到表9-3(P125)。在這個實(shí)驗中，溫度和原料均為固定因素。每一處理有4次重復(fù)。將表中的每一位數(shù)字減去30，列成表9-4.1。第四十九張，PPT共七十頁，創(chuàng)作于2022年6月利用xij.列，列成表9-4.2。由表9-4.1可以計算出第五十張，PPT共七十頁，創(chuàng)作于2022年6月 由表9-4.2可以計算出第五十一張，PPT共七十頁，創(chuàng)作于2022年6月 列成方差分析表 原料和溫度在=0.01水平上拒絕H0，交互作用在=0.05水平上拒絕H0。因此，酒精的產(chǎn)量，不僅與原料及發(fā)酵溫度有關(guān)，而且與兩者的交互作用有關(guān)。第五十二張，PPT共七十頁，創(chuàng)作

18、于2022年6月圖9-2為原料與溫度的交互作用，可以明顯看出3條折線的非平行關(guān)系。在30C時，原料2的產(chǎn)量高于原料3，而當(dāng)35C時原料2的產(chǎn)量反而低于原料3。因此，在選擇因素的最優(yōu)水平時，一定要考慮交互作用的影響。 第五十三張，PPT共七十頁，創(chuàng)作于2022年6月由于存在交互作用，在固定模型中，每一處理都應(yīng)設(shè)置重復(fù)。重復(fù)之間的平方和為誤差平方和。有了誤差平方和，才能把交互作用從總平方和中分解出來。如果不設(shè)重復(fù)，所得到的殘余項平方和，包括由誤差及交互作用兩部分所引起的平方和，2和2混雜在一起無法分開。因此在因素間存在交互作用時，不設(shè)重復(fù)是無意義的。 第五十四張，PPT共七十頁，創(chuàng)作于2022年6

19、月F1，8，0.05 =5.32，F(xiàn)F0.05。因此，沒有充分根據(jù)說明數(shù)據(jù)見存在交互作用。 第五十五張，PPT共七十頁，創(chuàng)作于2022年6月例9.2 題目及相關(guān)數(shù)據(jù)見P127 解 密度和施肥量都是固定因素。根據(jù)經(jīng)驗，密度與施肥量之間不存在交互作用。將表9-6中每個xij減去700，列成表9-7。第五十六張，PPT共七十頁，創(chuàng)作于2022年6月第五十七張，PPT共七十頁，創(chuàng)作于2022年6月結(jié)論是，密度間的產(chǎn)量差異在=0.05水平上顯著；施肥量之間的差異在=0.01的水平上顯著。再經(jīng)過多重比較，便可以從選定的水平中選出最佳密度和最佳施肥量。 第五十八張，PPT共七十頁，創(chuàng)作于2022年6月例9.3 判斷例9.2中密度與施肥量是否存在交互作用。 解 根據(jù)表9-7中的數(shù)據(jù)，得 代入9.23式，得 第五十九張，PPT共七十頁，創(chuàng)作于2022年6月 F 1，8，0.05 =5.32，F(xiàn)F0.05，所以，沒有充分根據(jù)說明數(shù)據(jù)間存在交互作用。 第六十張，PPT共七十頁，創(chuàng)作于2022年6月 例9.4 為了研究施用不同數(shù)量的農(nóng)家肥及不同農(nóng)工的田間管理對作物產(chǎn)量的影