【数据分析】双因素方差分析

最新推荐文章于 2023-11-01 14:33:08 发布

van_fantasy

最新推荐文章于 2023-11-01 14:33:08 发布

阅读量6.3k

点赞数 6

分类专栏：数学建模文章标签：数据分析数学建模统计学

本文链接：https://blog.csdn.net/van_fantasy/article/details/104883614

版权

本文详细介绍了双因素方差分析的两类情况：无交互作用和有交互作用的分析方法。从形式、前期工作、假设检验到实际应用，通过平方和分解、假设检验和方差分析表解释了如何判断因素A和B的影响及其交互效应。内容涵盖统计学和数据分析，适合数学建模和统计学爱好者学习。

摘要由CSDN通过智能技术生成

0.双因素方差分析的分类

无交互作用的方差分析
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。
有交互作用的方差分析
假定因素 $A$ 和因素 $B$ 的结合会产生出一种新的效应。

无交互作用的双因素方差分析

1.形式

假定要考察两个因素 $A, B$ 对某项指标的影响，因素 $A$ 取 $s$ 个水平 $A_{1}, A_{2}, \dots, A_{s}$ ，因素 $B$ 取 $r$ 个水平 $B_{1}, B_{2}, \dots, B_{r}$ ，在 $A, B$ 的每队组合水平 $\left(A_{i}, B_{j}\right)$ 上作一次试验，试验结果为 $X_{i j}, i=1, \dots, s ;\space j=1, \dots, r$ 。所有 $X_{ij}$ 独立，数据列于下表:

因素	$B_1$	$B_2$	…	$B_s$
$A_1$	$X_{11}$	$X_{12}$	…	$X_{1s}$
$A_2$	$X_{21}$	$X_{22}$	…	$X_{2s}$
…	…	…	…	…
$A_r$	$X_{r1}$	$X_{r2}$	…	$X_{rs}$

2.前期工作

作出假设
设搭配 $\left(A_{i}, B_{j}\right)$ 下的试验结果为 $X_{ij}$ ，假定 $X_{i j} \sim N\left(a_{i j}, \sigma^{2}\right)$ ，则问题归结为检验假设:
$\begin{aligned} &H_{0 A}: a_{1 j}=a_{2 j}=\cdots=a_{j j}, j=1,2, \cdots, s\\ &H_{0 B}: a_{i 1}=a_{i 2}=\cdots=a_{i r}, i=1,2, \cdots, r \end{aligned}$
平方和分解
与单因素方差分析类似地:
$S_A$ 是由因素 $A$ 的不同效应和随机误差引起的偏差
$S_B$ 是由因素 $B$ 的不同效应和随机误差引起的偏差
$S_e$ 是由随机误差引起的偏差
记:
$\bar{X}_{i}=\frac{1}{s} \sum_{j=1}^{s} X_{i j}, \bar{X}_{\cdot j}=\frac{1}{r} \sum_{i=1}^{r} X_{i j}\\ T_{i \cdot}=\sum_{j=1}^{s} X_{i j}, T_{\cdot j}=\sum_{i=1}^{r} X_{i j}\\ \bar{X}=\frac{1}{r s} \sum_{i=1}^{r} \sum_{j=1}^{s} X_{i j}, T=\sum_{i=1}^{r} \sum_{j=1}^{s} X_{i j}\\ i=1,2, \cdots, r ; j=1,2, \cdots, s$
于是:
$S_{T}=\sum_{i=1}^{r} \sum_{j=1}^{s} X_{i j}^{2}-\frac{T^{2}}{r s}, S_{A}=\frac{1}{s} \sum_{i=1}^{r} T_{i \cdot}^{2}-\frac{T^{2}}{r s}\\ S_{B}=\frac{1}{r} \sum_{j=1}^{s} T_{\cdot j}^{2}-\frac{T^{2}}{r s},S_{e}=S_{T}-S_{A}-S_{B}$