单因素方差分析
![](https://i-blog.csdnimg.cn/blog_migrate/957ad52918d93cf63d91644ff410cdf6.png)
解:这是单因素均衡数据的方差分析,Matlab程序
如下:
A=[31.9 27.9 31.8 28.4 35.9
24.8 25.7 26.8 27.9 26.2
22.1 23.6 27.3 24.9 25.8
27.0 30.8 29.0 24.5 28.5];
B = A'; %将矩阵转置,Matlab中要求各列为不同水平
p=anova1(B);
运行结果一表一图。
误差分析表
![](https://i-blog.csdnimg.cn/blog_migrate/7e749d590b5f2bfa65d4c1bbfdf26bf4.png)
含义
![](https://i-blog.csdnimg.cn/blog_migrate/3405018264941366d385fc17bb1d2c52.png)
当p<0.05称差异是显著的,当p<0.01称差异是高度显著的.,因为p=0.0029<0.01, 故不同饲料对鱼的增重效果极为显著.
均值盒子图
四种不同饲料对鱼的增重效果极为显著,
那么哪一种最好呢?请看下图
![](https://i-blog.csdnimg.cn/blog_migrate/2de1619021aeaae777039676a9d98dc1.png)
此时,第一个图对应第一种饲料且离盒子图中心线较远,效果最突出。
试验:
如果从原始数据中去掉第一种饲料的试验数据。
p=anova1(B(:,2:4));
![](https://i-blog.csdnimg.cn/blog_migrate/7012fb6f79bb567e31073cee2535ac49.png)
![](https://i-blog.csdnimg.cn/blog_migrate/462a67b3340f16edde20fdf103bcbba1.png)
得到的结果为各种饲料之间对鱼的增重效果不显著.
单因素非均衡方差分析。
![](https://i-blog.csdnimg.cn/blog_migrate/ec5ccc3afb504f650e55f9ef2a2eec5e.png)
代码
A=[ 164 190 203 205 206 214 228 257 185 197 201 231 187 212 215 220 248 265 281];
group=[1*ones(1,8),2*ones(1 ,4),3*ones(1,7)];
p=anova1(A, group)
![](https://i-blog.csdnimg.cn/blog_migrate/d87a708cfd9372b88ecba623bde3a792.png)
![](https://i-blog.csdnimg.cn/blog_migrate/20120d12c3c9cc929486c99e943cf84e.png)
由于概率p=0.1863比较大,故认为三种食料没有显著差异.
多重比较
![](https://i-blog.csdnimg.cn/blog_migrate/93e390d188452874df9bb142442aedd0.png)
从下图 0.0027<0.05 看到
![](https://i-blog.csdnimg.cn/blog_migrate/be7f423a8998c0380498879152b533a2.png)
从方差分析表可知:四个实验室生产有差异,那么如何比较?软件输出c如下所示:
![](https://i-blog.csdnimg.cn/blog_migrate/7245de7eb75cf3c16384d14cf3c26dac.png)
1,2列表示比较的实验室号码,3,5列分别为置信区间左右端点,第4列是均值差的统计量观测值.
若置信区间包含原点则无显著差异,可见只有1,4实验室有显著差异.另外,软件输出一幅图形,告知1, 4有显著差异.
![](https://i-blog.csdnimg.cn/blog_migrate/8cf0b122e35612df9833726ae35a9f83.png)
一般,当F>F0.99时,称因子的影响高度显著,记为 **
当F0.99>F≥F0.95时,称因子的影响显著,记为 *
当F<F0.95时,称因子无显著影响,即认为因子各水平间无差异.
有交互作用方差分析
![](https://i-blog.csdnimg.cn/blog_migrate/4af57e78496b082f2787a77f3c4fd795.png)
代码
clc,clear
x0=[58.2,52.6 56.2,41.2 65.3,60.8
49.1,42.8,54.1,50.5 51.6,48.4
60.1,58.3 70.9,73.2 39.2,40.7
75.8, 71.5 58.2,51.0 48.7,41.4] ;
x1=x0(: ,1:2:5) ;x2=x0(: ,2:2:6) ;
for i=1 :4
x(2*i-1,:)=x1(i,:) ;
x(2*i, :)=x2(i, :) ;
end
p=anova2 (x,2)
![](https://i-blog.csdnimg.cn/blog_migrate/77c6a7923c9d1f50a028fa721a3bd3be.png)
运行结果:
![](https://i-blog.csdnimg.cn/blog_migrate/c313b4dbb40b0ab8d545c7119d90a214.png)
求得p=0.00350.0260 0.001,表明各试验均值相等的概率都为小概率,故可拒绝均值相等假设。即认为不同燃料(因素A)、不同推进器(因素B)下的射程有显著差异,交互作用也是显著的。
![](https://i-blog.csdnimg.cn/blog_migrate/936a00e7a6f40442e06e07b7f4d8b4f1.png)
代码
A=[81,78,79,78 75,80,78,73 82,80,85,88
89,82,77,90 79,80,75,78 93,93,86,95];
[p1,t1,s1]=anova2(A',4);
%为何转置?软件设计重复实验数据按行排列
运行结果
![](https://i-blog.csdnimg.cn/blog_migrate/d9dcdb41ecf6deab2efc64542eb561f6.png)
专业与年级的交互效应没有显著差异p=0.234>0.05
两个专业的人文社科水平有显著差异p=0.0038
不同年级之间有显著差异p=0.0001.
![](https://i-blog.csdnimg.cn/blog_migrate/96f53c319948b527ee26263d068d0656.png)
代码
x=[62 48 63 57 69 57 45 39 54 44 59 53 67 66 47
51 57 45 50 30 61 58 70 66 51 55 58 50 69 49
59 65 55 52 70 58 63 70 53 60 47 56 51 44 50];
p=anova2(x',5);
运行结果
![](https://i-blog.csdnimg.cn/blog_migrate/83352967bcd4ef818db6f2af9ec7b944.png)
结论:只有交互效应有显著差异p=0.001 <0.01.