均值已知检验方差_方差分析05----双因素方差分析

一、双因素方差分析的种类

在现实中，常常会遇到两个因素同时影响结果的情况。这就需要检验究竟一个因素起作 用，还是两个因素都起作用，或者两个因素的影响都不显著。

双因素方差分析有两种类型：一种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；另一种是有交互作用的方差分析，它 假定 A、B 两个因素不是独立的，而是相互起作用的，两个因素同时起作用的结果不是两个 因素分别作用的简单相加，两者的结合会产生一个新的效应。这种效应的最典型的例子是， 耕地深度和施肥量都会影响产量，但同时深耕和适当的施肥可能使产量成倍增加，这时，耕 地深度和施肥量就存在交互作用。两个因素结合后就会产生出一个新的效应，属于有交互作 用的方差分析问题。

二、无交互作用的双因素方差分析

（一）数据结构

设两个因素分别是 A 和 B。因素 A 共有 r 个水平，因素 B 共有 s 个水平，无交互作用的双因素方差分析的数据结构如表 7.7 所示。

表 7.7 无交互作用双因素方差分析的数据结构

（二）分析步骤

1. 模型与假设

在水平

下的试验结果

服从

，这些试验结果相互独立。

与单因素方差分析模型相类似， 令

称为一般水平或平均水平，

称为因素

在第

个水平下的

效应，

称为因素

在第

个水平下的

效应，显然有

。若

，则称这种方差分析模型为无交互作用的双方差分析模型， 此时只需对

的每种组合各做一次试验，观测值记为

。把原参数

变换成新参数

和

后，无交互作用的双因素方差分析模型则为

其中随机误差

相互独立，都服从

分布。对这个模型要检验的假设有两个：

我们检验因素 A 是否起作用实际上就是检验各个

是否均为 0，如都为 0，则因素

A 所对应 的各组总体均数都相等，即因素 A 的作用不显著；对因素 B，也是这样。因此上述假设等价 于

2. 构造检验统计量

（1）水平的均值

（2）总均值

（3）离差平方和的分解

双因素方差分析同样要对总离差平方和 SST 进行分解，SST 分解为三部分：SSA、SSB 和 SSE，以分别反映因素 A 的组间差异、因素 B 的组间差异和随机误差（即组内差异）的 离散状况。

它们的计算公式分别为：

（4）构造检验统计量

由离差平方和与自由度可以计算出均方和，从而计算出 F 检验值，如表 7.8

表 7.8 无交互作用的双方差分析表

为检验因素 A 的影响是否显著，采用下面的统计量：

为检验因素 B 的影响是否显著，采用下面的统计量：

3. 判断与结论

根据给定的显著性水平α在 F 分布表中查找相应的临界值

，将统计量

与

进行比较，作出拒绝或不能拒绝原假设

的决策。

若

，则拒绝原假设

，表明均值之间有显著差异，即因 素

A 对观察值有显著影响；

若

，则不能拒绝原假设

，表明均值之间的差异不显著， 即因素

A 对观察值没有显著影响；

若

，则拒绝原假设

，表明均值之间有显著差异，即因 素

B 对观察值有显著影响。

若

，则不能拒绝原假设

，表明均值之间的差异不显著， 即因素

B 对观察值没有显著影响；

（三）实例

【例 7.3】某公司想知道产品销售量与销售方式及销售地点是否有关，随机抽样得表 7.9 资料，以 0.05 的显著性水平进行检验。

表 7.9 某公司产品销售方式及销售地点所对应的销售量

【解】我们可以按上述的步骤，完成检验，但计算工作量很大。这里我们利用 Excel 的 分析工具。

首先针对问题，提出原假设和备择假设：

Excel 解决方案

① 将数据输入工作表中

② 选择菜单“工具”—“数据分析”，打开“数据分析”对话框。

③ 选择其中的“方差分析：无重复双因素方差分析”，打开对话框，见图 7.8

④ 正确填写相关信息后，点“确定”，结果在 I1 到 O22 这个区域内显示，见图 7.9

图 7.8 “方差分析：无重复双因素方差分析”分析工具对话框

图 7.9 “方差分析：无重复双因素方差分析”结果截图

结论： ∵

∴拒绝原假设

，即销售方式对销售量有影响；

∵

，∴不能拒绝原假设

，即销售地点对销售量的影响不显著。

三、有交互作用的双因素方差分析

（一）数据结构

设两个因素分别是 A 和 B，因素 A 共有 r 个水平，因素 B 共有 s 个水平，在水平组合

下的试验结果

服从

，假设这些试验结果相 互独立。为对两个因素的交互作用进行分析，每个水平组合下至少要进行两次试验，不妨假设在每个水平组合

下重复 t 次试验，每次试验的观测值用

，表示， 那么有交互作用的双因素方差分析的数据结构如表 7.10 所示。

表 7.10 有交互作用双因素方差分析的数据结构

（二）分析步骤

1. 模型与假设

与无交互作用双因素方差分析模型一样，令

称为一般水平或平均水平，

称为因素

在第

个 水平下的效应，

称为因素

在第

个水平下的效应，显然有

若

，则称这种方差分析模型为有交互作用的双方差分析模型， 再令

称为因素

的第

水平与因素

的第

水平的交互效应，满足

把原参数

变换成新参数

和

后，有交互作用的双因素方差分析模型为

这里

，随机误差

相互独立，都服从

分布。

与前面的分析思路相同，我们检验因素 A、因素 B 以及两者的交互效应是否起作用实际上就是检验各个

和

是否都为 0，故对此模型要检验的假设有有三个：

对因素 A 和 B 的交互效应：

2. 构造检验统计量

（1）水平的均值

（2）总均值

（3）离差平方和的分解

与无交互作用的双因素方差分析不同，总离差平方和 SST 将被分解为四个部分：SSA、 SSB、SSAB 和 SSE，以分别反映因素 A 的组间差异、因素 B 的组间差异、因素 AB 的交互 效应和随机误差的离散状况。

它们的计算公式分别为：

（4）构造检验统计量

由离差平方和与自由度可以计算出均方和，从而计算出 F 检验值，如表 7.11。

表 7.11 有交互作用的双方差分析表

为检验因素 A 的影响是否显著，采用下面的统计量：

为检验因素 B 的影响是否显著，采用下面的统计量：

为检验因素 A、B 交互效应的影响是否显著，采用下面的统计量：

3. 判断与结论

根据给定的显著性水平α在 F 分布表中查找相应的临界值

，将统计量

F 与

进行 比较，作出拒绝或不能拒绝原假设

的决策。

若

，则拒绝原假设

，表明因素

A 对观察值有显著影响，否 则，不能拒绝原假设

；

若

，则拒绝原假设

，表明因素

B 对观察值有显著影响，否 则，不能拒绝原假设

；

若

，则拒绝原假设

，，表明因素 A、B 的交互效应对观察值有显著影响，否则，不能拒绝原假设

.

（三）实例

【例 7.4】电池的板极材料与使用的环境温度对电池的输出电压均有影响。今材料类型

与环境温度都取了三个水平，测得输出电压数据如表 7.12，问不同材料、不同温度及它们的

交互作用对输出电压有无显著影响（α=0.05）。

表 7.12 材料与环境温度的输出电压影响的测试表

【解】我们利用 Excel 的分析工具。

首先针对问题，提出原假设和备择假设：

Excel 解决方案

① 将数据输入工作表中

② 选择菜单“工具”—“数据分析”，打开“数据分析”对话框

③ 选择其中的“方差分析：无重复双因素方差分析”，打开对话框，见图 7.10

④ 正确填写相关信息后，点“确定”，结果在 F1 到 L36 这个区域内显示，见图 7.11

图 7.10 “方差分析：可重复双因素方差分析” 分析工具对话框

图 7.11 “方差分析：可重复双因素方差分析”结果截图

结论：