生物统计学教案
第九章 两因素及多因素方差分析
教学时间:5学时 教学方法:课堂板书讲授
教学目的:重点掌握固定模型、随机模型两因素方差分析的方法步骤,掌握混合模型
的方差分析,了解多因素的方差分析方法。。
讲授难点:固定模型、随机模型两因素方差分析的方法步骤
9.1 两因素方差分析中的一些基本概念 9.1.1 模型类型
交叉分组设计:A 因素的a 个水平和B 因素的b 个水平交叉配合,共构成ab 个组合,每一组合重复n 次,全部实验共有abn 次。
固定模型:A 、B 两因素均为固定因素。 随机模型:A 、B 两因素均为随机因素。
混合模型:A 、B 两因素中,一个是固定因素,一个是随机因素。 9.1.2 主效应和交互作用
主效应:由于因素水平的改变所造成的因素效应的改变。
A 1 A 2 A 1 A 2
B 1 18 24 B 1 18 28
B 2 38 44 B 2 30 22
先看左边的表。A 因素的主效应应为A 2水平的平均效应减A 1水平的平均效应,
B 的主效应类似。
当A 1B 1+A 2B 2=A 1B 2+A 2B 1时,A 、B 间不存在交互作用。这里A 1B 1+A 2B 2=62,A 1B 2+A 2B 1=62,因此A 、B 间不存在交互作用。
交互作用:若一个因素在另一因素的不同水平上所产生的效应不同,则它们
20
2
241824438226
2361824424221211222121112212=+-+=+-+==+-+=+-+=B A B A B A B A B B A B A B A B A A
之间存在交互作用。
现在看右边的表。
A(在B1水平上)=A2B1-A1B1=28-18=10
A(在B2水平上)=A2B2-A1B2=22-30=-8
显然A的效应依B的水平不同而不同,故A、B间存在交互作用。交互作用的大小为
AB=(A1B1+A2B2)-(A1B2+A2B1)
9.1.3 两因素交叉分组实验设计的一般格式
假设A因素有a水平,B因素有b水平,则每一次重复包含ab次实验,实验重复n次,总的实验次数为abn次。以x ilk表示A因素第i水平,B因素第j水平和第k次重复的观测值。一般格式见下表。
因素 B j=1,2,…,b
B1B2…B b总计A1x111x121x1b1
x112x122x1b2
x11n x12n x1b n x1. .
因
素A2x211x221x2b1
A x212x222x2b2
x21n x22n x2bn x2. .
A a x a11x a21x ab1
x a12x a22x ab2
x a1n x a2n x abn x a. .
总计 x .1. x .2. x .b . x . . .
上表中的各种符号说明如下:
??i x A 因素第i 水平的所有观察值的和,其平均数为..i x
..j x B 因素第j 水平所有观察值的和, 其平均数为..j x .ij x A 因素第i 水平和B 因素的第j 水平和所有观察值的和,
其平均数为.ij x
...x 所有观察值的总和, 其平均数为 (x)
关于实验重复的正确理解:这里的“重复”是指重复实验,而不是重复观测。 9.2 固定模型 9.2.1 线性统计模型
对于固定模型,处理效应是各处理平均数距总平均数的离差,因此
交互作用的效应也是固定的
εijk 是相互独立且服从N (0 , σ2)的随机变量。
固定模型方差分析的零假设为:
abn
x x x x b
j a i n
x x x x a i b j n
k ijk
ij ij n
k ijk ij ?
?????===?????=?=
=??
????=???==
=∑∑∑∑,,,2,1,,2,1,
,
111
1()??
?
?????=???=???=++++=n k b j a i x ijk
ij j i ijk ,,2,1,,2,1,,2,1εαββαμ∑∑====b
j j
a
i i
1
1
,
0β
α
()
()
∑∑====a
i b
j ij
ij
1
1
,
0αβαβ==???==H a 0
:2101ααα
9.2.2 平方和与自由度的分解
与单因素方差分析的基本思想一样,把总平方和分解为构成总平方和各个分量平方和之和,将总自由度做相应的分解,由此得到各分量的均方。根据均方的数学期望,得出各个分量的检验统计量,从而确定各因素的显著性。
上述各项分别为A 因素、B 因素、AB 交互作用和误差平方和,即:
自由度可做相应的分解:
由此得出各因素的均方:
9.2.3 均方期望与统计量F 的确定
()
()()()()[]
()(
)
(
)()
∑∑∑∑∑∑∑∑∑∑∑∑∑===?
==-=?
????????
?????????===?
??????????????????===?
??-++--+-+-=-++--+-+-=-a i b j n
k ij ijk
a
i b
j a i b
j j i ij j i a
i b
j n
k ij ijk j i ij j i a i b j n
k ijk
x x
x x x x n x x an x x bn x x x x x x x x x x x x
111
2
1
1
11
2
2
2
111
2
1112
()
()
()
()
∑∑∑∑∑∑∑===?
==?
???????=?
????=?????-=
+--=-=-=a i b
j n
k ij ijk
e a
i b
j j i ij AB b
j j B a
i i A x x
SS x x x x n SS x x an SS x x bn SS 111
2
11
2
12
12
()()
()
1111
1
1
-=--=-=-=-=n ab df b a df b df a df abn df e AB B A T ()()()
1,11,1,1-=
--=-=-=
n ab SS MS b a SS MS b SS MS a SS MS e e AB
AB B B A A ()()()()()()()2
11
22
1
22
1
2
2,111,
1σαβσβσασ=--+=-+=-+=∑∑∑∑====e a i b
j ij AB b
j j B a i i A MS E b a n
MS E b an MS E a bn MS E
对上式E (MS A )、E (MS B )和E (MS e )中的第二项,分别记为:
于是:
这时,零假设还可以写为:
用F 作为检验统计量,以对A 因素的检验为例:
当F >F α时拒绝H 01。对B 因素和AB 交互作用的推断类似。
两因素固定模型的方差分析表如下: 9.2.4 平方和的简易计算法
为了简化计算过程,实际计算时各平方和是按以下各式计算的
其中abn
x 2?
??称为校正项,用C 表示。
变差来源 平方和 自由度 均方 F 均方期望
A 因素 SS A a -1 MS A MS A /MS e σ2+bn ηα2
B 因素 SS B b -1 MS B MS B /MS e σ2+an ηβ2 AB 交互作用 SS AB (a -1)(b -1) MS AB MS AB /MS e σ2+n ηαβ2 误差 SS e ab (n -1) MS e σ2 总和 SS T abn -1
()()
()∑∑∑∑====--=
-=-=a i b
j ij
b j j a i i b a b a 11
2
2
1
2
2
1
2
2111
,11,11αβηβηαηαββα()()()2
22222,,αβ
βαησησησn MS E an MS E bn MS E AB B A +=+=+=0
:,
0:,
0:2
032
022
01===αββαηηηH H H ()()2
2
2
A
e
bn MS F MS ασ
ησ+==
的估计
的估计
abn
x x an SS abn
x x bn SS abn
x x SS b j j B a i i A a
i b
j n
k ijk
T 212
212
11122
1,1???=?????=??===?
??-=-=-=∑∑∑∑∑
不论从上式还是前面给出的误差平方和的公式,都可以看出,平方和是通过重复间平方和得到的。为了得到误差平方和,必须设置重复。由总平方和减去A 因素、B 因素和误差平方和之后,所得残余项即交互作用平方和。如果不设置重复,无法得到误差平方和,其误差平方和是用残余项估计的。即使实验存在交互作用也无法独立获得,这时的交互作用与误差混杂。这一点在设计实验时一定要特别注意。交互平方和:
例 为了从三种不同原料和三种不同发酵温度中,选出最适宜的条件,设计了一个两因素试验,并得到以下结果。
在这个实验中,温度和原料都是固定因素,每一处理都有4次重复。将每一数据都减去30,列成表9-1。
原料(A ) 温度(B ) x ij 1 x ij 2 x ij 3 x ij 4 x ij . x ij .2
∑=4
1
2
k ijk
x
30 11 19 -7 -5 18 324 556 1 35 -19 -17 -5 -6 -47 2209 711 40 -24 -8 -4 -12 -48 2304 800 30 17 29 20 10 76 5776 1630 2 35 13 8 3 6 30 900 278 40 -22 -8 -12 -16 -58 3364 948
∑∑∑∑∑=====?
-=
a i
b j n
k a i b j ij ijk
e x n x
SS 111
11
221∑∑==?
???---=---=a i b j B
A ij e
B A T AB SS SS abn
x x n SS SS SS SS SS 11221
30 13 5 23 20 61 3721 1123 3 35 25 8 17 14 64 4096 1174 40 0 3 -4 -11 -12 144 146 和 84 22838 7366 利用x ij .列,列成表9-2
温 度 (B)
30 35 40 x i . . x i . .2 原 1 18 -47 -48 -77 5929 料 2 76 30 -58 48 2304 (A) 3 61 54 -12 113 12769 x .j. 155 47 -118 84 21022 x .j.2 24025 2209 13924 40158
从表9-1中可以计算出:
及由表9-2中可以计算出:
()()()
00
.196433842
===???abn x C 00.717019673661112
2
=-=-=∑∑∑===???a i b j n
k ijk
T abn
x x SS ()50.1656228384
1
73661111
1122=-=-=∑∑∑∑∑=====?a
i b
j n
k a i b j ij ijk
e x n x
SS ()()
()17.1554196210224311212=-=-=?
??=??∑abn x x bn SS a i i A ()()()58.3150196401584311212=-=-=???=??∑abn x x an SS b
j j B
---=e
B A T AB SS SS AA SS SS
列成方差分析表 变差来源 平方和 自由度 均方 F 原料 A 1554.17 2 777.09 12.67** 温度 B 3150.58 2 1575.29 25.68** AB 808.75 4 202.19 3.30* 误 差 1656.50 27 61.35
9.2.5 无重复实验时的两因素方差分析
如果根据一定的理由,可以判断两因素间确实不存在交互作用,这时也可以不设重复(n = 1)。无重复实验的方差分析,只需将前一节公式中所有的n 都改为1,即可完成计算。不同点只是计算更容易一些。这里不再详述。 9.3 随机模型 9.3.1 线性统计模型
对于随机模型:
因此,任何观察值的方差
()
22
22var σσσσαββα+++=ijk x
零假设为: 0
:,0:,0:
2
032
02201===αββασσσH H H
9.3.2 均方期望与统计量F 的确定
()??
?
?????=???=???=++++=n k b j a
i x ijk
ij j i ijk ,,2,1,,2,1,,2,1εαββαμ()()()()()
2
2
2
2,0:,,0:,,0:,,0:σεσαβσβσααββα
NI D NI D NI D NI D ijk ij
j i