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。
![6d2e42f3830c09521a2a91462f1cbc48.png](https://i-blog.csdnimg.cn/blog_migrate/8183dbe50a6224f443c20e33b482e247.png)
(二)分析步骤
1. 模型与假设
在水平
与单因素方差分析模型相类似, 令
![4bc3d0ac32b7a633e982f96060a781d5.png](https://i-blog.csdnimg.cn/blog_migrate/1456da657b7f8612204eb7e0282112c6.png)
称为一般水平或平均水平,
![4391adc8f1a26222ac8f28d8f4639ce8.png](https://i-blog.csdnimg.cn/blog_migrate/449c98932b8f2331424ce2b2c97d87ec.png)
称为因素
![01264aecbdd78e13e5304f2475a77801.png](https://i-blog.csdnimg.cn/blog_migrate/8bb64ebf7ff47ee5b6840de11125fa6f.png)
![f5f01da1f1a54a08de4a22bf0cdd5925.png](https://i-blog.csdnimg.cn/blog_migrate/b53c7992bba8a9ac8971d764193ed419.png)
。若
![4e04c7014a92a6bf94ad22b64c777086.png](https://i-blog.csdnimg.cn/blog_migrate/dd6e319ef3117f227fcadac037cce5fb.png)
其中随机误差
![1f3cfc3cf057bffd5ce4bcf3f421f781.png](https://i-blog.csdnimg.cn/blog_migrate/3c408c1229224a7b2237e65e5497205c.png)
我们检验因素 A 是否起作用实际上就是检验各个
![4fb78c5ae5cfb8943ea2069be0778d32.png](https://i-blog.csdnimg.cn/blog_migrate/f39b4d61157cbe59743cc9fdc4576f3a.png)
2. 构造检验统计量
(1)水平的均值
![10efecd6a125ab077b9772643b494009.png](https://i-blog.csdnimg.cn/blog_migrate/4ec06b1d2fcdeba17e9d8ffc780e58bc.png)
![b896359eb8285357d1e847159bce1b93.png](https://i-blog.csdnimg.cn/blog_migrate/a0c657a51f8f3e4584c5453df2e5e043.png)
(2)总均值
![71adf0c42c3c3976f5b1c68bcb319ecf.png](https://i-blog.csdnimg.cn/blog_migrate/e933b93e2bf21b7eecd7933c1da38308.png)
(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:
![7dbab874b2cd40f32c3497470c363773.png](https://i-blog.csdnimg.cn/blog_migrate/3b4182693040c8b27c4a939fcd0834de.png)
![ab624422906844f889783100feee1574.png](https://i-blog.csdnimg.cn/blog_migrate/747473e06524a138889e1603e627cfb4.png)
![3a374a5011aadcea9f1145e45f2fdcb1.png](https://i-blog.csdnimg.cn/blog_migrate/a269cb5aaae2c9f1e1a295e0c7ab02b4.png)
![445a39d34986da98bf47d13bda9da754.png](https://i-blog.csdnimg.cn/blog_migrate/c5b1a785b63a56f4b530dbf762076fc6.png)
(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
![2a5ad790e1f39c1b1dc4bd425e840b9c.png](https://i-blog.csdnimg.cn/blog_migrate/845d564d151b67e8adae294d876264d0.jpeg)
为检验因素 A 的影响是否显著,采用下面的统计量:
![a27a6e75cb2cd0474e4660d376df6dbd.png](https://i-blog.csdnimg.cn/blog_migrate/21d00c989ec644d5ff6f86dd5309c525.png)
为检验因素 B 的影响是否显著,采用下面的统计量:
![3eb1712947dd9c28f016d97f12be0f5b.png](https://i-blog.csdnimg.cn/blog_migrate/cefb73afd7d7a0e08bae19df0e9dc2ec.png)
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
若
若
若
若
(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。
![2bfcc1921888e4da57134df79d9f00ad.png](https://i-blog.csdnimg.cn/blog_migrate/4d9d1b03e3e023c6b7b20b4977d0a825.png)
【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:
![40bd406cd3e39c8a8ea7494be5258bff.png](https://i-blog.csdnimg.cn/blog_migrate/c9893afda1e891f63b54797024c43e03.png)
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
![72421868bba53f6517cb025f48100d65.png](https://i-blog.csdnimg.cn/blog_migrate/9eff0271b39a260b2e97a4bf5d931494.jpeg)
![bf25e3b502bdfa8f4e20fd539069488a.png](https://i-blog.csdnimg.cn/blog_migrate/c8485530edaefa8fc16f8f8914bba51c.jpeg)
结论: ∵
∵
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
![05393a7851b28dfed87c3b26580ebff5.png](https://i-blog.csdnimg.cn/blog_migrate/1613a653e6f085c78368d75e7ccdf147.png)
![6808349c63cf250b792fb34e64384d9f.png](https://i-blog.csdnimg.cn/blog_migrate/96df3c1cfd2b533f814db9ae0605344e.png)
(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
![96b14e32ee36ee6b0b661f6578e9736d.png](https://i-blog.csdnimg.cn/blog_migrate/eae91d2f62bae721b0c5e63237ab7610.png)
称为一般水平或平均水平,
![f50491c7c60a4fbd0bad0d32cf45919b.png](https://i-blog.csdnimg.cn/blog_migrate/7241f4a4633f34045c64aeae16717d0e.png)
称为因素
![05c826457192d7e6bfee0eed2633dc7f.png](https://i-blog.csdnimg.cn/blog_migrate/cd357efc3914fd3231989373417083e1.png)
![651e1c20e3a71f9a15d49385e51e305d.png](https://i-blog.csdnimg.cn/blog_migrate/3ffed340f288103ba1851da5103ee0fa.png)
若
![9abb75b0555329f3b753dd40869a245f.png](https://i-blog.csdnimg.cn/blog_migrate/42afca42f0a8e3e6758664415b727123.png)
把原参数
![24020145aedf9d29374be309aa03a5e5.png](https://i-blog.csdnimg.cn/blog_migrate/6304bebc069d2caa449cbc67cd3efa8f.png)
这里
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
![5dd253a2efe862e2a37238354e45fb1a.png](https://i-blog.csdnimg.cn/blog_migrate/9c6c6a2f0f27d0d0097b60201710f186.png)
对因素 A 和 B 的交互效应:
![af2c89e79f7966b447ad53d7e233fca3.png](https://i-blog.csdnimg.cn/blog_migrate/a66a9abdf29feb3a8f808fd128b0f529.png)
2. 构造检验统计量
(1)水平的均值
![adcd77c92591a974498d90e1fd2ceb32.png](https://i-blog.csdnimg.cn/blog_migrate/346073c675760038d63b062411ca385c.png)
![54065cf772a9b4a7097b1ce1e6c56c36.png](https://i-blog.csdnimg.cn/blog_migrate/59bd158b0423fb6c0b3823db319b9338.png)
![a75e6e801ef55e43077872996d4a8ea6.png](https://i-blog.csdnimg.cn/blog_migrate/4929d256c6e4fe5c77bb2293faf57c34.png)
(2)总均值
![02ee8b01655dbac451a85c5783d42f49.png](https://i-blog.csdnimg.cn/blog_migrate/4469556cc567cabfa4c9e31b32787736.png)
(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:
![e4b286bd0c3b135649ee567b0c803fd0.png](https://i-blog.csdnimg.cn/blog_migrate/bea4c4ab4f318080768276b5581c845b.png)
![baea70190e022f414ce7adfd57974f9f.png](https://i-blog.csdnimg.cn/blog_migrate/92b9bd9aa1ab1fc5c20137058534da39.png)
![f8ca878c35cd00551305a2bae6c08ae3.png](https://i-blog.csdnimg.cn/blog_migrate/9cc463bba282e13118a768a3ecf156e4.png)
![c0a03a581bedb434f52c2e12b8a173cf.png](https://i-blog.csdnimg.cn/blog_migrate/9e0e061efc277ddf5096a5b6d5630f35.png)
![b7d4780c1b816b037e69282d62d6e25d.png](https://i-blog.csdnimg.cn/blog_migrate/e4a2fde092b3260a52683f344a5f7ba8.png)
(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。
![d242104fecb7243e926e5564e45e1aa5.png](https://i-blog.csdnimg.cn/blog_migrate/131a5114623b68cb640b09fec4a24230.jpeg)
为检验因素 A 的影响是否显著,采用下面的统计量:
![690b82b4e294cff8a0359e94aa4f5e3c.png](https://i-blog.csdnimg.cn/blog_migrate/295d7cddf74cb6d8fd5d33e7b9a932df.png)
为检验因素 B 的影响是否显著,采用下面的统计量:
![7fcf3ab62647a9a88df354529bb4c17f.png](https://i-blog.csdnimg.cn/blog_migrate/acb4e8dc7c16df0b1a074f7af99d9a47.png)
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:
![f5a4695ee701b75171d152f335cd4f8c.png](https://i-blog.csdnimg.cn/blog_migrate/655a340488b7947c25187394a2cb53c8.png)
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
若
若
若
(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)。
![a9cfba263140a711999bceb96b5b7cbf.png](https://i-blog.csdnimg.cn/blog_migrate/e5a076805bec5adca79fa0dbd6ca31a0.jpeg)
【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:
![32e3d68b7057f9afdf2edfd1685e102e.png](https://i-blog.csdnimg.cn/blog_migrate/a5fe4df6727fc27d1e5a5f59a4a4acb0.png)
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
![15ca68bcf709d7606b4a6ca944e2cbba.png](https://i-blog.csdnimg.cn/blog_migrate/905af2fb8903a1db58286f94a8a62d83.png)
![96a4adddc6d33c7033481c8b376e0813.png](https://i-blog.csdnimg.cn/blog_migrate/d457bd638f48b1ad1ec8aa946835abeb.jpeg)
结论:
![51cfd9a10baec87b1659118ab4e6548a.png](https://i-blog.csdnimg.cn/blog_migrate/f9e22c04379f8b129f129f1107d90a77.png)
![3e10ef41e1ea437f4965234f9e977e55.png](https://i-blog.csdnimg.cn/blog_migrate/aa4b2b11c9a7a0038aba998c6e64da28.png)
![012338d0a10eff563095cf5e7bb77fd3.png](https://i-blog.csdnimg.cn/blog_migrate/b3f92bd39d37da357149ab8c05f142e9.png)