概率论与数理统计教程(八)-方差分析与回归分析02：多重比较

§8.2 多重比较
8.2.1 水平均值差的置信区间
如果方差分析的结果是因子 $A$ 显著, 则等于说有充分理由认为因子 $A$
各水平的效应不全相同,但这并不是说它们中一定没有相同的. 就指定的一对水平
$A_i$ 与 $A_j$, 我们可通过求 ${\mu }_i-{\mu }_j$
的区间估计来进行比较,方法如下:由 (8.1.27) 式可以推出
$${\bar{y}}_{i.}-{\bar{y}}_{j,}\sim N\left({\mu }_i-{\mu }_j,\left(\frac{1}{m_i}+\frac{1}{m_j}\right){\sigma }^2\right),$$
而定理 8.1 .2 指出 $S_e/{\sigma }^2\sim {\chi }^2\left(f_e\right)$,
且两者独立, 故
$$\frac{\left({\bar{y}}_i\cdot -{\bar{y}}_{j.}\right)-\left({\mu }_i-{\mu }_j\right)}{\sqrt{\left(\frac{1}{m_i}+\frac{1}{m_j}\right)\frac{S_e}{f_e}}}\sim t\left(f_e\right).$$
由此给出 ${\mu }_i-{\mu }_j$ 的置信水平为 $1-\alpha$ 的置信区间为
$$\left[{\bar{y}}_{i+}-{\bar{y}}_{j\cdot }\pm \sqrt{\left(\frac{1}{m_i}+\frac{1}{m_j}\right)}\hat{\sigma }\cdot t_{1-\frac{a}{2}}\left(f_e\right)\right],$$
其中 ${\hat{\sigma }}^2=S_e/f$, 是 ${\sigma }^2$ 的无偏估计.
根据置信区间与双侧假设检验间的对应关系 ( §7.2.2) 知: (8.2.1)
式给出的置信区间就是两正态均值差的检验问题:
$$H_0:{\mu }_i-{\mu }_j=0\text{ vs }{H}_1:{\mu }_i-{\mu }_j\ne 0$$
的接受域 $\bar{W}$. 若该置信区间含有 0 ,则可认为 ${\mu }_i$ 与 ${\mu }_j$
间无显著差异; 若该区间不含有 0 ,则认为 ${\mu }_i$ 与 ${\mu }_j$
间有显著差异.具体见下面例子.
例 8.2.1 在例 8.1.2 中, 我们已知饲料因子是显著的, 此处
$m_1=m_2=m_3=8,f_e=21$,
$\hat{\sigma }=\sqrt{1343.61}=36.66$, 若取 $\alpha =0.05$, 则
$t_{1-\alpha /2}\left(f_e\right)=t_{0.975}(21)=2.0796,\sqrt{\frac{1}{8}+\frac{1}{8}}$.
$t_{0.975}(21)\hat{\sigma }=38.12$,于是可算出 3 对均值差的置信区间为
$$\begin{array}{ll}{\mu }_1-{\mu }_2:& [-48.88\pm 38.12]=[-87,-10.76],\\ {\mu }_1-{\mu }_3:& [-20\pm 38.12]=[-58.12,18.12],\\ {\mu }_2-{\mu }_3:& [28.88\pm 38.12]=[-9.24,67].\end{array}$$

这三个置信区间中只有 ${\mu }_1-{\mu }_2$ 的置信区间不含有 0 , 故 ${\mu }_1$
与 ${\mu }_2$ 间有显著差别, 其他 ${\mu }_1$与 ${\mu }_3$ 或 ${\mu }_2$ 与
${\mu }_3$ 间均无显著差别.
我们看到, (8.2.1) 式给出的置信区间与第六章中的两样本的 $t$
区间基本一致，区别在于这里 ${\sigma }^2$ 的估计使用了全部样本而不仅仅是
$A_i,A_j$ 两个水平下的观测值.
8.2.2 多重比较问题
这里遇到一个新的问题, 对每一组 $(i,j),(\mathrm{8.2.1})$
式给出的区间的置信水平都是 1-$\alpha$, 但对多个这样的区间,
要求其同时成立, 其联合置信水平就不再是 $1-\alpha$ 了. 譬如, 设
E 1 , E 2 , ⋯   , E k E_{1}, E_{2}, \cdots, E_{k} E