【笔记】双因素ANOVA方差分析

1.概念

        双因素方差分析（Two-way ANOVA）:根据两个因素进行分组时，不同分组之间特征值的平均值是否相等。

        特征值：连续变量。

        因素：分类型变量。分类组别不一定大于3。

        探讨了1.根据第一个因素进行分组时，不同分组之间的特征值均值是否相等；

           2.根据第二个因素进行分组时，不同分组之间的特征值均值是否相等；

           3.两个因素之间的交互效应，是否对不同分组之间的特征值均值产生影响。

2.原理

        数据整体波动（sum of squares total, SST）=

        模型带来的波动（sum of squares model，SS model）

              (第一个因素所带来的波动（sum of squares first factor,SS first）

                +第二个因素所带来的波动（sum of squares second factor,  SS second）

               + 两个因素交互项所带来的波动（sum of squares interaction, SSI）)

        +误差项所带来的波动（sum of squares error, SS error）

检验思路：

        第一步：计算出因素一波动、因素二波动、交互项波动和误差项波动；

        第二步：分别将因素一波动、因素二波动、交互项波动，与误差项波动进行比较；

        如果显著大于误差项波动，则响应的对特征值有影响。

3. 计算

        1.数据整体波动，同单因素方差分析。

        2.第一因素所带来的波动：类似只看第一因素的单因素组间波动。

        3.第二因素所带来的波动：类似只看第二因素的单因素组间波动。

        4.交互项的波动=模型波动-SS first -SS second

        5. 模型波动：综合第一因素和第二因素得到指标，进行组间波动计算。

        6.误差项波动=（个体取值-综合指标构造的组）所带来的波动

                             =整体波动-模型波动

构造F统计量：原理同单因素。

        因素一F统计量=(SS first/自由度 first)/(SS error/自由度error)

        因素二F统计量=(SS second/自由度 second)/(SS error/自由度error)

        交互项F统计量=(SS interaction/自由度 interaction)/(SS error/自由度error)

       df first：第一个因素的分组数-1

       df second：第二个因素的分组数-1

       df interaction：模型的自由度-df first-df second

                             =(df first*df second-1)-df first-df second

       df error=整体自由度-模型自由度

                   =(样本量-1)-(df first*df second-1)

       如果F统计量对应的P值小于0.05/0.01（查表），因素显著地影响特征值，通过查表，对应的p值。

        如果F统计量对应的P值大于0.05/0.01（查表），因素对特征值取值没有显著的影响。

---

【来源】为老师疯狂打Call！孩子终于听懂了。双因素方差分析(上）/Two way ANOVA/什么是双因素方差分析、双因素方差分析的思路_哔哩哔哩_bilibili