双因素无重复试验设计方差分析题目2
双因素无重复试验设计方差分析方法：
1.为了考察高温合金中碳的含量（因子A）和锑与铝的含量之和（因子B）对合金强度的影响，因子A取三个水平0.03，0.04，0.05（上述数字表示碳的含量占合金总量的百分比），因子B取4个水平3.3，3.4，3.5，3.6（数字的意义同上）。
试对表中数据作方差分析来回答：不同材质对延伸率有显著影响吗，不同温度对延伸率有显著影响吗？
2．使用四种燃料，三种推进器做火箭射程试验，每一种组合情况做一次试验，所得火箭射程如下表，试分析各种燃料（A）与各种推进器（B）对火箭射程有
3.
A4代替前三种方法，需要通过实验考察。
观察的对象是果汁B，不同的果汁当做不同的水平，即B1苹果葡萄汁，B2葡萄汁，B3西红柿汁，B4苹果饮料，B5橘子汁，B6菠萝柠檬汁。
进行双因素实验，将其检验结果记录与表中。
4.原来检验果汁中含铅量有三种方A1,A2,A3,现研究出另一种快速检验法A4,能否用A4代替前三种方法，需要通过实验考查。
观察的对象是果汁B，不同的果汁当做不同的水平，即B1苹果葡萄汁，B2葡萄汁，B3西红柿汁，B4苹果饮料，B5桔子汁，B6菠萝柠檬汁.
进行双因素交错搭配实验，即用四种方法同时检验每一种果汁，将其检验结果记录于表
5.六个水稻品种（A1、A2、A3、A4、A5和A6）种在四种不同的土壤类型（B1、B2、
B 3和B 4）中，产量数据如表7.26所示，如果品种和土壤类型都是固定效应，试对资料进行适当的分析。
表7.26 例7.9的产量资料及数据整理
6.B ）对
合金强度的影响，因子A 取3个水平0.03，0.04，0.05（上述数字表示碳的含量占合金总量的百分比），因子B 取4个水平3.3，3.4，3.5，3.6（数字的意义
7. 将落叶松苗木栽在4块不同苗床上，每块苗床上苗木又分别使用3种不同的肥料以观察
肥效差异，一年后于每一苗床的各施肥小区内用重复抽样方式各取苗木若干株测其平均高，8. 某企业需采购大宗原材料，共有4家企业生产这些原材料，每家均有、、、四种类型的原材料，
该企业决策机构对每个企业的每种样品进行试验，的数据如下：
９．A 1:0.34~0.74,A 2:0.48~0.52,A 3:0.53~0.56及三种不同的加荷速度（单位：10-1N/cm 3·min ）
B 1:600,B 2:2400,B 3:4200. １０．将土质基本相同的一块耕地，分成均等大小的5个地块，没每个地块又分成均等的四个小区；有四个品种的小麦，在每一地块内，随机地分种在四个小区上，每一小区种任一种小麦同样多的用种量。今测得其收获量如表所示。试以显１１．某工厂生产某种产品使用了3种不同的催化剂和4种不同的原料，各种搭配都做
一次试验，测得成品压强数据如表5-15：
试检验不同催化剂及不同原材料对压强有无显著影响（05.0=α）
１２．为了考察pH 值和硫酸铜溶液对化验血清中白蛋白与球蛋白的影响，对蒸馏水
中的pH 值（A ）取四个不同水平，对硫酸铜溶液浓度（B ）取3个不同水平，再把不同水平组合下各册一次白蛋白与球蛋白，之比数据如下： 试检验两个因素对化验结果有无显著影响。
最新53双因素方差分析汇总
53双因素方差分析
§5.3 双因素方差分析 I 无交互作用的双因素方差分析 (1) 数学模型 现在考虑影响试验指标的因素有两个：A, B 。因素A 有水平r 个；有水平s 个；因素A, B 的各种组合水平均只作一次试验；两因素之间无交互作用。 数据结构表 假设：(1*) {:1;1}ij Y i r j s ≤≤≤≤独立； (2*) 2~(,)ij ij Y N μσ，即具有相同的方差； (3*) ij ij ij Y e μ=+，其中 2~(0,)ij e N σ，且{}ij e 独立； 数学模型： ij i j ij ij Y e μαβγ=++++ ， 其中：111()r s ij i j rs μμ-===∑∑—总平均值； 11s i ij j s μμ-?==∑; 11r j ij i r μμ-?==∑; i i αμμ?=-—因素A 在水平Ai 下对试验指标的效应值； j j βμμ?=-—因素 B 在水平Bj 下对试验指标的效应值； 10r i i α==∑; 10s j j β==∑; ij ij i i γμμαβ=---—因素A, B 的交互效应值； 因素B s B r A 12r r rs Y Y Y r Y ? 12 ..s Y Y Y ???
{}ij e —随机部分，假定：独立同正态分布； 注： “无交互作用”等价于：0ij γ=，即 ij i i μμαβ=++； (2) 方差分析 (i) 假设检验问题 两种因素分别进行检验： 0112:0r H ααα== == 即因素A 对试验指标影响不显著； 0212:0s H βββ== == 即因素B 对试验指标影响不显著； 注：当01H 和02H 成立时， ,(1;1)ij i r j s μμ=≤≤≤≤. (ii) 构造F-统计量及否定域 设 () 1 11r s ij i j Y rs Y -===∑∑ ； 11s i ij j Y s Y -?==∑； 11r j ij i Y r Y -?==∑； 2211()r s T ij i j S Y Y ===-∑∑； 221()r A i i S s Y Y ?==-∑； 221()s B j j S r Y Y ?==-∑； 2211()r s E ij i j i j S Y Y Y Y ??===--+∑∑； 注：注意， 2 211()r s E ij i j i j S Y Y Y Y ??===--+∑∑ 2 11()r s ij ij i i j j i j e e e e μμμμ????===+----++∑∑
双因素方差分析习题
1. 某湖水在不同季节氯化物含量测定值如表6.16所示。问不同季节氯化物含量有无差别？ 若有差别，进行32个水平的两两比较。 解： 2.有三种抗凝剂（123,,A A A ）对一标本作红细胞沉降速度（一小时值）测定，每种抗凝剂 3.将18名原发性血小板减少症患者按年龄相近的原则配为6个单位组，每个单位组中的3名患者随机分配到A 、B 、C 三个治疗组中，治疗后的血小板升高情况见表6.17，问3中治疗方法的疗效有无差别？ 表6.17 不同人用鹿茸后血小板的升高值/(4 3 10/mm ) 解： 4.某研究人员以0.3mL/kg 剂量纯苯给大鼠皮下注射染毒，每周3次，经45天后，实验动物白细胞综述下降至染毒前的50%左右，同时设置未染毒组。两组大鼠均按照是否给予升高白
细胞药物分为给药组和不给药组，试验结果见表6.18，试作统计分析。 解： 问：（1）这三类人的该项生理指标有差别吗？（） α=） （2）如果有差别，请进行多重比较分析。（0.05 解： 6.将24家生产产品大致相同的企业，按资金分为三类，每个公司的每100元销售收入的生产成本（单位：元）如表6.20所示。这些数据能否说明三类公司的市场生产成本有差异（假 α=） 定生产成本服从正态分布，且方差相同）？（0.05 解： 7.为了解三种不同配比的饲料对仔猪影响的差异，对三种不同品种的猪各选三头进行试验，分别测得其三个月间体重增加量如表6.21所示。假定其体重增加量服从正态分布，且1方 α=） 差相同。试分析不同饲料与不同品种对猪生长有无显著差异？（0.05
8.比较3种化肥（A，B两种新型化肥和传统化肥）施撒在三种类型（酸性、中性和碱性）的土地上对作物的产量情况有无差别，将每块土地分成6块小区，施用A，B两种新型化肥和传统化肥，收割后，测量各组作物的产量，得到的数据如表6.22所示、化肥、土地类型 α=） 及其它们的交互作用对作物产量有影响吗？（0.05 -
方差分析和试验设计
6方差分析与试验设计 在研究一个或多个分类型自变量与一个数值型因变量之间的关系时，方差分析就是其中主要方法之一。检验多个总体均值是否相等的统计方法。 所要检验的对象称为因素。因素的不同表现称为水平。每个因子水平下得到的样本数据称为观测值。 随机误差：在同一行业（同一总体）下，样本的各观测值是不同的。抽样随机性造成。 系统误差：在不同一行业（不同一总体）下，样本的各观测值也是不同的。抽样随机性和行业本身造成的。 组内误差：衡量因素在同一行业（同一总体）下样本数据的误差。只包含随机误差。 组间误差：衡量因素在不同一行业（不同一总体）下样本数据的误差。包含随机误差、系统误差。 方差分析的三大假设： 每个总体服从正态分布； 每个总体的方差必须相同； 观测值是独立的； 单因素方差分析（F分布） 数据结构：表示第i个水平（总体）的第j个的观测值。（i列j行）分析步骤： 1提出假设。自变量对因变量没有显著影响 不完全相等自变量对因变量有显著影响 2构造检验的统计量 计算因素各水平的均值（各水平样本均值） 计算全部观测值的总均值（总体均值） 计算误差平方和： 总误差平方和SST：全部观测值与总平均值得误差平方和。 水平项误差平方和SSA：各组平均值与总平均值得误差平方和。组间平方和。 误差项平方和SSE：各样本数据与其组平均值误差的平方和。组内平方和。 SST=SSA+SSE
A B C D E F G 1 误差来源 平方和自由度均方F 值P 值 F 临界值2SS df MS 3组间（因素 来源）SSA k-1MSA MSA/MSE 4组内（误差）SSE n-k MSE 5 总和 SST n-1 计算统计量 各平方和除以它们对应的自由度，这一结果称为均方。 SST 的自由度为（n-1），其中n 为全部观测值的个数。 SSA 的自由度为（k-1），其中k 为因素水平的个数。（组数-1） SSE 的自由度为（n-k ）。 SSA 的均方（组间均方）为 SSE 的均方（组内均方）为 3统计决策 在给定的显著性水平α下，查表得临界值 若，有显著影响； 若，无显著影响； 4方差分析表
双因素可重复方差分析
A=load('25hong.txt') B=A' p=anova2(B,10) 25号 p = 0.0000 0.5641 0.9972 27号 p = 0.0000 0.3648 0.9853 7号 p = 0.0000 0.0021 0.8493 10号 p = 0.0000 0.0013 0.6377 11号 p = 0.0000 0.0000 0.6476 20号 p = 0.0000 0.0247 0.4192 16号 p = 0.0000 0.0014 0.8878 24号 p = 0.0000 0.0002 0.6209 19号 p = 0.0000 0.0005 0.9583 18号 p = 0.0000 0.0033 0.0822 6号 p = 0.0000 0.0002 0.1389 4号 p = 0.0000 0.1754 0.0435 13号 p = 0.0000 0.0004 0.0012 22号
0.0000 0.0009 0.1340 17号 p = 0.0000 0.0049 0.2522 1号 p = 0.0000 0.0097 0.0276 2号 p = 0.0000 0.0000 0.1202 3号 p = 0.0000 0.0004 0.2850 8号 p = 0.0000 0.0011 0.0015 12号 p = 0.0000 0.0000 0.0379 5号 p = 0.0000 0.4598 0.0135 23号 p = 0.0000 0.0000 0.0012 15号 p = 0.0000 0.0001 0.0086 26号 p = 0.0000 0.2187 0.9138 9号 p = 0.0000 0.0469 0.8905 21号 p = 0.0000 0.0113 0.9260 14号 p = 0.0000 0.8010 0.2998 p = 0.0000 0.0138 0.9274 p =
双因素方差分析
双因素方差分析 一、双因素方差分析的含义和类型 （一）双因素方差分析的含义和内容 在实际问题的研究中，有时需要考虑两个因素对实验结果的影响。例如上一节中饮料销售量的例子，除了关心饮料颜色之外，我们还想了解销售地区是否影响销售量，如果在不同的地区，销售量存在显著的差异，就需要分析原因，采用不同的推销策略，使该饮料品牌在市场占有率高的地区继续深入人心，保持领先地位，在市场占有率低的地区，进一步扩大宣传，让更多的消费者了解，接受该产品。 在方差分析中，若把饮料的颜色看作影响销售量的因素A，饮料的销售地区看作影响因素B。同时对因素A和因素B进行分析，就称为双因素方差分析。 双因素方差分析的内容包括：对影响因素进行检验，究竟一个因素在起作用，还是两个因素都起作用，或是两个因素的影响都不显著。 双因素方差分析的前提假定：采样地随机性，样本的独立性，分布的正态性，残差方差的一致性。 （二）双因素方差分析的类型 双因素方差分析有两种类型：一个是无交互作用的双因素方差分析，它假定因素A 和因素B的效应之间是相互独立的，不存在相互关系；另一个是有交互作用的双因素方差分析，它假定因素A和因素B的结合会产生出一种新的效应。例如，若假定不同地区的消费者对某种品牌有与其他地区消费者不同的特殊偏爱，这就是两个因素结合后产生的新效应，属于有交互作用的背景；否则，就是无交互作用的背景。有交互作用的双因素方差分析已超出本书的范围，这里介绍无交互作用的双因素方差分析。 1.无交互作用的双因素方差分析。 无交互作用的双因素方差分析是假定因素A和因素B的效应之间是相互独立的，不存在相互关系； 2.有交互作用的双因素方差分析。 有交互作用的双因素方差分析是假定因素A和因素B的结合会产生出一种新的效应。例如，若假定不同地区的消费者对某种颜色有与其他地区消费者不同的特殊偏爱，
双因素试验的方差分析(精)
实验三 双因素试验的方差分析 实验目的：1掌握单因素实验方差分析的方法与步骤； 2正确分析输出结果中的各参数，并得出正确结论。 试验内容： 某种火箭使用4种燃料，3种推进器进行射程试验。在每种燃料与每种推进器的组合下火箭各发射两次，射程数据见表3.1。 表3.1 火箭的射程数据 试在水平05.0=α下，检验不同燃料（因素)A 、不同推进器（因素)B 下射程是否有显著差异？交互作用是否显著？ 操作步骤： 1.在excel 的工作表中输入如表3.1所示的的样本数据。 2.点击“工具—数据分析—方差分析：可重复双因素方差分析”，在弹出对话框的输入区域，拖动鼠标选择样本值A1:D9；每一样本的行数，输入2；显著性水平α设置为0.05，如图 3.1所示。
3．点击确定，输出参数的窗口如图3.2所示。 图3.2 应用excel“数据分析”功能求双因素等重复方差分析的有关参数结果分析： 图3.2 中仅列示了输出结果中的方差分析表。“样本”即燃料因子，“列”即推进器因子，“交互”为燃料和推进器因子的交互作用，SS 为平方和；df 是自由度；P-value 为P 值，即所达到的临界显著水平；F crit 是Fα（t-1，N-t）的值。 由方差分析表可知，因子A （燃料）的作用是一般显著的（P-value的值为0.025969<0.05）;因子B（推进器）的作用是高度显著的（P-value的值为0.003506<0.01）；而交互作用是极其显著的（P-value的值为6.15E-05<<0.01）,这说明燃料的作用于与推进器之间有着密切的关 系，也即每种推进器都有各自最合自得最佳燃料。
双因素试验的方差分析
双因素试验的方差分析 （一）摘要： 实际问题中往往要同时考虑两个因素对试验指标的影响，此时即使用双因 素方差分析。主要方法为建立合适的假设，并对分析已有数据的各部分方差平方和、自由度、均方，求得F 比后利用检验方法判断原假设是否成立。双因素试验的方差分析可分为无重复试验和等重复试验两部分讨论，无重复试验只需检验两个因素对实验结果有无显著影响，等重复试验还要考虑两个因素的交互作用对实验结果有无显著影响。 （二）关键词： 双因素 方差分析 EXCEL 应用 （三）引言： 在科学试验和生产实践中，影响一事物的因素往往是很多的。每一因素的 改变都有可能影响产品的数量和质量。有些因素影响较大，有些较小，为了优化生产过程，通过进行试验找出对产品质量有显著影响的那些因素。根据试验结果进行分析，鉴别各个有关因素对实验结果影响的有效方法即为方差分析。本文双因素方差分析同时考虑两个因素的影响，涉及因素间的交互作用，在实际生产实践中较为实用。 （四）算法原理： 双因素方差分析有两种类型：一个是无交互作用的双因素方差分析，它假定 因素A 和因素B 的效应之间是相互独立的，不存在相互关系；另一个是有交互作用的双因素方差分析，它假定因素A 和因素B 的结合会产生出一种新的效应。 （一）双因素等重复试验的方差分析 设有两个因素A ，B 作用于试验的指标。因素A 有r 个水平,,...,,21r A A A 因素B 有s 个水平.,...,21s B B B 现对因素A,B 的水平的没对组合（j i B A ,）， i=1,2,...r,j=1,2,...,s 都作(t ≥2)次试验（称为等重复试验），得到如下表的结果。 因 素A 因素B 1B 2B ...... s B 1A t X X X 11112111...,,, t X X X 12122121...,,, ...... st s s X X X 12111...,,,
正交试验设计及其方差分析
第三节正交试验设计及其方差分析 在工农业生产和科学实验中，为改革旧工艺，寻求最优生产条件等，经常要做许多试验，而影响这些试验结果的因素很多，我们把含有两个以上因素的试验称为多因素试验.前两节讨论的单因素试验和双因素试验均属于全面试验（即每一个因素的各种水平的相互搭配都要进行试验），多因素试验由于要考虑的因素较多，当每个因素的水平数较大时，若进行全面试验，则试验次数将会更大.因此，对于多因素试验，存在一个如何安排好试验的问题.正交试验设计是研究和处理多因素试验的一种科学方法，它利用一套现存规格化的表——正交表，来安排试验，通过少量的试验，获得满意的试验结果. 1.正交试验设计的基本方法 正交试验设计包含两个内容：（1）怎样安排试验方案；（2）如何分析试验结果.先介绍正交表. 正交表是预先编制好的一种表格.比如表9-17即为正交表L4(23),其中字母L表示正交，它的3个数字有3种不同的含义： (1) L4（23）表的结构：有4行、3列，表中出现2个反映水平的数码1，2. 列数 ↓ L4 （23） ↑↑ 行数水平数 （2）L4（23）表的用法：做4次试验，最多可安排2水平的因素3个. 最多能安排的因素数 ↓ L4(23) ↑↑ 试验次数水平数 (3) L4（23）表的效率：3个2水平的因素.它的全面试验数为23=8次，使用正交表只需从8次试验中选出4次来做试验，效率是高的. L4(23) ↑↑ 实际试验数理论上的试验数 正交表的特点： （1）表中任一列，不同数字出现的次数相同.如正交表L4(23)中，数字1，2在每列中均出现2次. （2）表中任两列，其横向形成的有序数对出现的次数相同.如表L4（23）中任意两列，
方差分析与试验设计
第10章 方差分析与试验设计 三、选择题 1. Ｃ 2. Ｂ 3. Ａ 4. Ｂ 5. Ｃ 1.方差分析的主要目的是判断 （ ）。 Ａ. 各总体是否存在方差 Ｂ. 各样本数据之间是否有显著差异 Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。 Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。 Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。 Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 6. Ａ 7. Ｄ 8. Ｄ 9. Ａ 10.Ａ 6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。 Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于0 8.在方差分析中，所提出的原假设是210:μμ=H = ···=k μ，备择假设是（ ） Ａ. ≠≠H 211:μμ···k μ≠ Ｂ. >>H 211:μμ···k μ> Ｃ. < 第10章 方差分析与试验设计 三、选择题 1.方差分析的主要目的是判断 （ ）。 Ａ. 各总体是否存在方差 Ｂ. 各样本数据之间是否有显著差异 Ｃ. 分类型自变量对数值型因变量的影响是否显著 Ｄ. 分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是 （ ）。 Ａ. 组间平方和除以组内平方和 Ｂ. 组间均方除以组内均方 Ｃ. 组间平方除以总平方和 Ｄ. 组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为 （ ）。 Ａ. 随机误差 Ｂ. 非随机误差 Ｃ. 系统误差 Ｄ. 非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为 （ ）。 Ａ. 组内误差 Ｂ. 组间误差 Ｃ. 组内平方 Ｄ. 组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 6.组内误差是衡量某一水平下样本数据之间的误差，它 （ ）。 Ａ. 只包括随机误差 Ｂ. 只包括系统误差 Ｃ. 既包括随机误差，也包括系统误差 Ｄ. 有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定 （ ）。 Ａ. 每个总体都服从正态分布 Ｂ. 各总体的方差相等 Ｃ. 观测值是独立的 Ｄ. 各总体的方差等于0 8.在方差分析中，所提出的原假设是210:μμ=H = ···=k μ，备择假设是（ ） Ａ. ≠≠H 211:μμ···k μ≠ Ｂ. >>H 211:μμ···k μ> Ｃ. < 第八章 常用试验设计的方差分析 8.1 多因素随机区组试验和单因素随机区组试验的分析方法有何异同？多因素随机区组试验处理项的自由度和平方和如何分解？怎样计算和测验因素效应和互作的显著性，正确地进行水平选优和组合选优？ 8.2 裂区试验和多因素随机区组试验的统计分析方法有何异同？在裂区试验中误差E a 和E b 是如何计算的，各具什么意义？如何估计裂区试验中的缺区?裂区试验的线性模型是什么？ 8.3 有一大豆试验，A 因素为品种，有A 1、A 2、A 3、A 4 4个水平，B 因素为播期，有B 1、B 2、B 3 3个水平，随机区组设计，重复3次，小区计产面积25平方米，其田间排列和产量(kg )如下图，试作分析。 区组Ⅰ 区组Ⅱ 区组Ⅲ [答案： e MS 0.31，F 测验：品种、播期极显著，品种×播期不显著] 8.4 有一小麦裂区试验，主区因素A ，分A1(深耕)、A2(浅)两水平，副区因素B ，分B1(多肥)、B2(少肥)两水平，重复3次，小区计产面积15平方米，其田间排列和产量(假设数字)如下图，试作分析。 区组Ⅰ 区组Ⅱ 区组Ⅲ [答案： a E MS =0.58， b E MS =2.50，F 测验：A 和B 皆显著，A ×B 不显著] 8.5 设若上题小麦耕深与施肥量试验为条区设计，田间排列和产量将相应如下图，试作分 析，并与裂区设计结果相比较)。 B 1 B 1B 2 B 2 B 2B 1 [答案： A E MS =0.58， B E MS =1.75， c E MS =3.25，F 测验A 、B 均显著，A ×B 不显著] 8.6 江苏省淮南地区夏大豆区域试验部分资料摘录如下： 试点 年份 区组 CK 19—15 31—15 4—1 21—16 试点1 1977年 Ⅰ 134 160 168 226 196 Ⅱ 146 180 156 170 190 Ⅲ 148 206 188 216 200 1978年 Ⅰ 220 264 280 212 168 Ⅱ 228 260 276 208 156 Ⅲ 208 220 300 260 148 试点2 1977年 Ⅰ 137 236 197 196 155 Ⅱ 173 207 178 192 179 Ⅲ 110 171 223 208 125 1978年 Ⅰ 179 201 150 195 186 Ⅱ 182 224 189 203 191 Ⅲ 207 262 187 210 183 各年各点均为随机区组设计，试分析此试验结果。 [答案： 2 =3.67，e MS =406.06，Fv=12.89，Fvs=1.88，Fvy=5.18，Fvsy=10.35] 8.7 在药物处理大豆种子试验中，使用了大中小三种类型种子，分别用五种浓度、两种处理时间进行试验处理，播种后45天对每种各取两个样本，每个样本取10株测定其干物重，求其平均数，结果如下表。试进行方差分析。 处理时间A 种子类型C 浓度B B 1(0×10-6) B 2(10×10-6) B 3(20×10-6) B 4(30×10-6) B 5(40×10-6) A 1(12小时) C 1(小粒) 7.0 12.8 22.0 21.3 24.4 6.5 11.4 21.8 20.3 23.2 C 2(中粒) 13.5 13.2 20.4 19.0 24.6 13.8 14.2 21.4 19.6 23.8 C 3(大粒) 10.7 12.4 22.6 21.3 24.5 10.3 13.2 21.8 22.4 24.2 A 2(24小时) C 1(小粒) 3.6 10.7 4.7 12.4 13.6 1.5 8.8 3.4 10.5 13.7 双因素无重复试验设计方差分析： 1.为了考察高温合金中碳的含量（因子A）和锑与铝的含量之和（因子B）对合金强度的影响，因子A取三个水平0.03，0.04，0.05（上述数字表示碳的含量占合金总量的百分比），因子B取4个水平3.3，3.4，3.5，3.6（数字的意义同上）。 试对表中数据作方差分析来回答：不同材质对延伸率有显著影响吗，不同温度对延伸率有显著影响吗？ 2．使用四种燃料，三种推进器做火箭射程试验，每一种组合情况做一次试验，所得火箭射程如下表，试分析各种燃料（A）与各种推进器（B）对火箭射程有 3. A4代替前三种方法，需要通过实验考察。 观察的对象是果汁B，不同的果汁当做不同的水平，即B1苹果葡萄汁，B2葡萄汁，B3西红柿汁，B4苹果饮料，B5橘子汁，B6菠萝柠檬汁。 进行双因素实验，将其检验结果记录与表中。 4.原来检验果汁中含铅量有三种方A1,A2,A3,现研究出另一种快速检验法A4,能否用A4代替前三种方法，需要通过实验考查。 观察的对象是果汁B，不同的果汁当做不同的水平，即B1苹果葡萄汁，B2葡萄汁，B3西红柿汁，B4苹果饮料，B5桔子汁，B6菠萝柠檬汁. 进行双因素交错搭配实验，即用四种方法同时检验每一种果汁，将其检验结果记录于表 5.六个水稻品种（A1、A2、A3、A4、A5和A6）种在四种不同的土壤类型（B1、B2、 B 3和B 4）中，产量数据如表7.26所示，如果品种和土壤类型都是固定效应，试对资料进行适当的分析。 表7.26 例7.9的产量资料及数据整理 6.B ）对 合金强度的影响，因子A 取3个水平0.03，0.04，0.05（上述数字表示碳的含量占合金总量的百分比），因子B 取4个水平3.3，3.4，3.5，3.6（数字的意义 7. 将落叶松苗木栽在4块不同苗床上，每块苗床上苗木又分别使用3种不同的肥料以观察 肥效差异，一年后于每一苗床的各施肥小区内用重复抽样方式各取苗木若干株测其平均高，8. 某企业需采购大宗原材料，共有4家企业生产这些原材料，每家均有、、、四种类型的原材料， 该企业决策机构对每个企业的每种样品进行试验，的数据如下： 多变量实验设计 在心理学实验设计中，一类实验设计是考察单一自变量（或称为因素）对因变量的影响，这类实验设计称为单变量实验设计（Single-Variable Experiment）；另外一类实验设计是考察两个或两个以上的自变量（或因素）对因变量的影响，这类实验设计称为多变量试验设计（Multiple-Variable Experiment）。多变量实验设计包括多因素组间实验设计、多因素组内实验设计和混合实验设计。 2多因素组间实验设计 多因素组间实验设计是单因素组间实验设计的扩展。在多因素完全随机实验设计中，基本方法是：随机取样被试，并将参加实验的被试分为若干个实验处理组，每组被试分别接受一种实验处理水平的结合。 我们以两因素完全随机实验设计举例，表1中自变量A因素有两个水平，B因素有四个水平。两个因素共有2×4=8种处理水平的结合，即A1B1，A1B2，A1B3，A1B4，A2B1，A2B2，A2B3，A2B4。将被试随机分为八组，每组被试接受一个自变量实验处理水平的结合。实验设计的基本思想是，由于实验处理前，被试是随机分配给各实验处理组的，因而保证了各组被试实验之前无差异。实验处理后测量到的差异可能来自A因素、B因素，或来自A 因素与B因素的交互作用。 表1 两因素完全随机实验设计举例 实验处理水平的结合后测 实验组1 A1B1 Y 实验组2 A1B2 Y 实验组3 A1B3 Y 实验组4 A1B4 Y 实验组5 A2B1 Y 实验组6 A2B2 Y 实验组7 A2B3 Y 实验组8 A2B4 Y 3多因素组内实验设计 多因素组内（被试内）实验设计是单因素组内实验设计的扩展。在多因素被试内实验设计中，基本方法是：随机取样被试，参加实验的被试接受全部实验处理水平的结合。 实验10 双因素方差分析 双因素方差分析是对样本观察值的差异进行分解，将两种因素下各组样本观察值之间可能存在的系统误差加以比较，据此推断总体之间是否存在显著性差异，根据两因素是否相互影响，双因素分析分为不存在交互作用的双因素方差分析和存在交互作用的双因素方差分析。 10.1 实验目的 掌握使用SAS进行双因素方差分析的方法。 10.2 实验内容 一、用INSIGHT作双因素方差分析 二、用“分析家”作双因素方差分析 三、用glm过程作双因素方差分析 10.3 实验指导 一、用INSIGHT作双因素方差分析 【实验10-1】工厂订单的多少直接反映了工厂生产的产品的畅销程度，因此工厂订单数目的增减是经营者所关心的。经营者为了研究产品的外形设计及销售地区对月订单数目的影响，记录了一个月中不同外形设计的该类产品在不同地区的订单数据如表10-1（sy10_1.xls）所示。试用双因子方差分析检验该产品的外形设计与销售地区是否对订单的数量有所影响。 表10-1 不同外形设计的产品在不同地区的订单数据 销售地区设计1 设计2 设计3 地区1 700 450 560 地区2 597 357 420 地区3 697 552 720 地区4 543 302 515 该问题即检验如下假设： H0A：不同的设计对订单数量无影响，H1A：不同的设计对订单数量有显著影响 H0B：不同地区对订单数量无影响，H1B：不同地区对订单数量有显著影响 具体步骤如下： 1. 生成数据集 将表10-1在Excel 中整理后导入成如图10-1左所示结构的数据集，存放在Mylib.sy10_1中，其中变量a 、b 、y 分别表示销售地区、外形设计、销售量。 图10-1 数据集mylib.sy10_1与分析变量的选择 2. 方差分析 在INSIGHT 模块中打开数据集Mylib.sy10_1。 选择菜单“Analyze （分析）”→“Fit （拟合）”，在打开的“Fit(X Y)”对话框中选择数值型变量作因变量，分类型变量作自变量：选择变量y ，单击“Y ”按钮，选择变量a 和b ，单击“X ”按钮，分别将变量移到列表框中，如图10-1右所示。 单击“OK ”按钮，得到分析结果。 3. 结果分析 结果中表的含义与单因素方差分析相应的表的含义是类似的： (1) 第一张表提供了模型的一般信息；第二张表列举了作为分类变量的a 和b 的水平的信息；第三张参数信息表给出了标识变量P_i 的定义。 图10-2 多因素方差分析第1、2、3张表 其中，标识变量取值： ，其他类似。，其他，设计，，其他类似；，其他，地区，""? ??==???==01b 1P_601a 1P_2 (2) 第四张表给出了方差分析模型，利用参数信息表中标识变量P_i 的定义可以推算出在各个因素不同水平下变量y 均值的信息： 第六章 方差分析与正交试验设计 在生产实践和科学研究中，经常要分析各种因素对试验指标是否有显著的影响。例如，工业生产中，需要研究各种不同的配料方案对生产出的产品的质量有无显著差异，从中筛选出较好的原料配方；农业生产中，为了提高农作物的产量，需要考察不同的种子、不同数量的肥料对农作物产量的影响，并从中确定最适宜该地区种植的农作物品种和施肥数量。 要解决诸如上述问题，一方面需要设计一个试验，使其充分反映各因素的作用，并力求试验次数尽可能少，以便节省各种资源和成本；另一方面就是要对试验结果数据进行合理的分析，以便确定各因素对试验指标的影响程度。 §6.1 单因素方差分析 仅考虑一个因素A 对试验指标有无显著影响，可以让A 取r 个水平：r A A A ,,,21 ，在水平i A 下进行i n 次试验，称为单因素试验，试验结果观测数据ij x 列于下表： 并设在水平i A 下的数据i in i i x x x ,,21来自总体),(~2 i i N X ，),,2,1(r i 。 检验如下假设： r H 210:， r H ,,,:211 不全相等 检验统计量为 ),1(~) /() 1/(r n r F r n S r S F e A 其中2 1 2 11)()(x x n x x S i r i i r i n j i A i ，称为组间差平方和。 211 )(i r i n j ij e x x S i ，称为组内差平方和。 这里 r i i n n 1 ， i n j ij i i x n x 1 1 ， r i n j ij i x n x 111。 对于给定的显著性水平)05.001.0(或 ，如果),1(r n r F F ，则拒绝0H ，即认为因素A 对试验指标有显著影响。 实际计算时，可事先对原始数据作如下处理： b a x x ij ij 再进行计算，不会影响F 值的大小。 例1 试分析三种不同的菌型对小白鼠的平均存活日数影响是否显著？ 解：30,11,9,10,3321 n n n n r 16.6,27.7,22.7,4321 x x x x 43.70)()(21 2 11 x x n x x S i r i i r i n j i A i ， 74.137)(211 i r i n j ij e x x S i 49.5)27,2(90.601.0 F F ，说明三种不同菌型的伤寒病菌对小白鼠的平均存活日数的影响高度显著。 §6.2 双因素方差分析 同时考察两个因素A 和B 对试验指标有无显著影响，可以让A 取r 个水平： r A A A ,,,21 ，让B 取s 个水平：s B B B ,,,21 ，在各种水平配合),(j i B A 下进行试验， 称为双因素试验。 一、无交互作用的双因素方差分析 在每一种水平配合),(j i B A 下作一次试验，称为无交互作用的双因素试验，试验结果观测数据ij x 列于下表： 第二节 双因素试验的方差分析 进行某一项试验，当影响指标的因素不是一个而是多个时，要分析各因素的作用是否显著，就要用到多因素的方差分析.本节就两个因素的方差分析作一简介.当有两个因素时，除每个因素的影响之外，还有这两个因素的搭配问题.如表9-7中的两组试验结果，都有两个因素A 和B ，每个因素取两个水平. 表9-7(b) 表9-7（a ）中，无论B 在什么水平（B 1还是B 2），水平A 2下的结果总比A 1下的高20；同样地，无论A 是什么水平，B 2下的结果总比B 1下的高40.这说明A 和B 单独地各自影响结果，互相之间没有作用. 表9-7(b)中，当B 为B 1时，A 2下的结果比A 1的高，而且当B 为B 2时，A 1下的结果比A 2的高；类似地，当A 为A 1时，B 2下的结果比B 1的高70，而A 为A 2时，B 2下的结果比B 1的高30.这表明A 的作用与B 所取的水平有关，而B 的作用也与A 所取的水平有关.即A 和B 不仅各自对结果有影响，而且它们的搭配方式也有影响.我们把这种影响称作因素A 和B 的交互作用，记作A ×B .在双因素试验的方差分析中，我们不仅要检验水平A 和B 的作用，还要检验它们的交互作用. 1.双因素等重复试验的方差分析 设有两个因素A ，B 作用于试验的指标，因素A 有r 个水平A 1,A 2,…,Ar ,因素B 有s 个水平B 1,B 2,…,B s ,现对因素A ，B 的水平的每对组合(A i ,B j ),i =1,2,…,r ；j =1,2,…,s 都作t (t ≥2)次试验（称为等重复试验），得到如表9-8的结果： 表9-8 ijk ij ijk ij 数.或写为 ?????===+=., ,,2,1),,0(~,,,2,1;,,2,1,2 相互独立各ijk ijk ijk ij ijk t k N s j r j x εσεεμ (9.16) 记 实验设计与分析课程论文 题目利用SPSS 软件进行方差分析和正交试验设计 学院 专业 年级 学号 姓名 2012年6月29日 一、SPSS 简介 SPSS 是世界上最早的统计分析软件，1984年SPSS 总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS 微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域，世界上许多有影响的报刊杂志纷纷就SPSS 的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价与称赞。 SPSS 的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS 统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic 回归、Probit 回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS 也有专门的绘图系统，可以根据数据绘制各种图形。SPSS 的分析结果清晰、直观、易学易用，而且可以直接读取EXCEL 及DBF 数据文件，现已推广到多种各种操作系统的计算机上，它和SAS 、BMDP 并称为国际上最有影响的三大统计软件。 SPSS 输出结果虽然漂亮，但不能为WORD 等常用文字处理软件直接打开，只能采用拷贝、粘贴的方式加以交互。这可以说是SPSS 软件的缺陷。 二、方差分析 例如 某高原研究组将籍贯相同、年龄相同、身高体重接近的30名新战士随机分为三组，甲组为对照组，按常规训练，乙组为锻炼组，每天除常规训练外，接受中速长跑与健身操锻炼，丙组为药物组，除常规训练外，服用抗疲劳药物，一月后测定第一秒用力肺活量(L)，结果见表。试比较三组第一秒用力肺活量有无差别。对照组为组一，锻炼组为组二，药物组为组三。 第一步：打开 SPSS 软件 表1 三组战士的第一秒用力肺活量(L) 对照组 锻炼组 药物组 合计 3.25 3.66 3.44 3.32 3.64 3.62 3.29 3.48 3.48 3.34 3.64 3.36 3.16 3.48 3.52 3.64 3.20 3.60 3.60 3.62 3.32 3.28 3.56 3.44 3.52 3.44 3.16 3.26 3.82 3.28 双因素的多重比较方法 生物工程 10212575 陈晓穗 摘要：本文首先扼要地介绍了多重比较的方法种类，其次引用了一个实例具体地展示了无交叉相互作用的双因素的多重比较方法。 关键词：最小显著差数法最小显著极差法双因素多重比较 1.前言 用方差分析检验样本的差异是否显著后，获得了显著或极显著的结论。此时人们便想进一步的了解具体到哪些平均数间有显著差异，哪些不显著。这就有必要进行两两地比较平均数，以判断这两组数据的显著差异性。统计学把多个平均数两两间互相比较称为多重比较。多重比较常有的方法有：最小显著差数法和最小显著极差法。 2．多重比较法 2.1 多重比较法的种类 2.1.1 最小显著差数法 最小显著差数法，简称LSD 。它其实只是t 检验的一个简单变形,并未对检验水准做出任何校正,只是在标准误的计算上充分利用了样本信息, 为所有组的均数统一估计出了一个更为稳健的标准误,其中MS 误差是方差分析中计算得来的组内均方,它一般用于计划好的多重比较。由于单次比较的检验水准仍为α,因此可认为LSD 法是最灵敏的。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αLSD ，然后将任意两个处理平均数的差数的绝对值 . .j i x x -与其比较。若 . .j i x x -＞LSDa 时，则.i x 与.j x 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..)(j i e x x df a a S t LSD -=计算。式中)(e df t α为在F 检验中误差自由度下，显著水平为α的临界t 值，..j i x x S -为均数差异标准误，由n MS S e x x j i /2..=-算得。其中e MS 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)(05.0e df t 和 )(01.0e df t ，代入式得： 第10章方差分析与试验设计 三、选择题 1.Ｃ 2.Ｂ 3.Ａ 4.Ｂ 5.Ｃ 1.方差分析的主要目的是判断（）。 Ａ.各总体是否存在方差 Ｂ.各样本数据之间是否有显著差异 Ｃ.分类型自变量对数值型因变量的影响是否显著 Ｄ.分类型因变量对数值型自变量的影响是否显著 2.在方差分析中，检验统计量Ｆ是（）。 Ａ.组间平方和除以组内平方和Ｂ.组间均方除以组内均方 Ｃ.组间平方除以总平方和Ｄ.组间均方除以总均方 3.在方差分析中，某一水平下样本数据之间的误差称为（）。 Ａ.随机误差Ｂ.非随机误差Ｃ.系统误差Ｄ.非系统误差 4.在方差分析中，衡量不同水平下样本数据之间的误差称为（）。 Ａ.组内误差Ｂ.组间误差Ｃ.组内平方Ｄ.组间平方 5.组间误差是衡量不同水平下各样本数据之间的误差，它（）。 Ａ.只包括随机误差 Ｂ.只包括系统误差 Ｃ.既包括随机误差，也包括系统误差 Ｄ.有时包括随机误差，有时包括系统误差 6.Ａ 7.Ｄ8.Ｄ9.Ａ10.Ａ 6.组内误差是衡量某一水平下样本数据之间的误差，它（）。 Ａ.只包括随机误差 Ｂ.只包括系统误差 Ｃ.既包括随机误差，也包括系统误差 Ｄ.有时包括随机误差，有时包括系统误差 7.在下面的假定中，哪一个不属于方差分析中的假定（）。 Ａ.每个总体都服从正态分布Ｂ.各总体的方差相等 Ｃ.观测值是独立的Ｄ.各总体的方差等于0 8.在方差分析中，所提出的原假设是0:=···= ，备择假设是（） 12 k Ａ.1:12···kＢ.1:12···k Ｃ. 1:···kＤ.1:1,2,···,k不全相等 12 9.单因素方差分析是指只涉及（）。 Ａ.一个分类型自变量Ｂ.一个数值型自变量 Ｃ.两个分类型自变量Ｄ.两个数值型因变量 10.双因素方差分析涉及（）。 Ａ.两个分类型自变量Ｂ.两个数值型自变量 Ｃ.两个分类型因变量Ｄ.两个数值型因变量 11.Ｂ12.Ｃ 1、通过以下试验设计案例总结“正交试验设计的基本程序和步骤”。 案例：为了研究啤酒酵母最适合的自溶条件，选择3因素3水平正交试验。因素有温度℃（A）和pH（B），加酶量（C）3个，试验指标为蛋白质含量，试验指标越大越好。选用L9(34) 正交表，试验方案和结果如下表，试作方差分析，并找出啤酒酵母最适合的自溶条件。 4 1、明确试验目的，确定试验指标：找出啤酒酵母最适合的自溶条件，可用蛋白质含量作为本试验的试验指标。 2挑因素，选水平：影响啤酒酵母最适合的自溶条件的因素有温度、pH和加酶量3个，分别用A、B、C表示，并且每个因素都取3个水平，因此，此次选取3因素3水平正交试验。 3、选择合适的正交表：根据所选取的实验因素和实验水平数，决定该实验选取L9(34) 正交表。 4、进行表头设计（表1-1） 表1-1 由于此试验不考察因素之间的交互作用，所以采用不考察交互作用的方差分析法进行实验结果发差分析，并且此试验无重复试验，所以采用不考察交互作用的方差分析法中的无重复试验的方差分析。结果如表1-3 本例a=b=c=3,各因素每一水平的重复次数m=3，总处理次数为9次(n). ②平方和与自由度的分解。 平方和的分解： 矫正数 C=()2 i x n ∑=2T n =65.2/9=477.8596 总平方和 SS T =2i x ∑-C=6.252+4.972+…+8.952-C =530.89-477.8596=53.0304 A 因素平方和 SS A =2iA K m ∑-C=（15.762+18.572+31.252）/3-C =523.2617-477.8596=45.4021 B 因素平方和 SS B = 2iB K m ∑-C=（25.182+21.412+18.992）/3-C =484.3469-477.8596=6.4873 C 因素平方和 SS C = 2 iC K m ∑-C=（22.652+21.452+21.482）/3-C =478.1718-477.8596=0.3122 误差平方和 SS e = SS T -SS A -SS B -SS C =53.0304-45.4021-6.4873-0.3122=0.8288 对于空列也可用同样方法计算平方和： 空列平方和 SS D =2iD K m ∑-C=（20.742+21.872+22.972）/3-C =478.6884-477.8596=0.8288 自由度的分解： 总自由度 df T =n-1=9-1=8 A 因素 df A =a-1=3-1=2 B 因素 df B =b-1=3-1=2 C 因素 df C =c-1=3-1=2 误差 df e =df T -df A -df B -df C =8-2-2-2=2 显然，误差的自由度等于各空白列自由度之和，正交表中各列的自由度为该列的水平数减1。 ③F 测验。方差分析的结果见表1-4。由方差分析的结果可知，A 因素（温度）的F 值 显著，说明A 因素对蛋白质含量有显著的影响 表1-4 方差分析表 变异来源 SS df MS F F α第10章 方差分析与试验设计
第八章常用试验设计的方差分析
双因素无重复试验设计方差分析 (1)
多因素实验设计
实验 10 双因素方差分析
第六章--方差分析与正交试验设计讲解学习
双因素试验的方差分析
利用SPSS_进行方差分析以及正交试验设计
双因素的方差分析
第10章__方差分析与试验设计
试验设计案例方差分析