方差分析

方差分析(Analysisofvariance，ANOVA)

又叫變量分析，是英國(guó)著名統(tǒng)計(jì)學(xué)家R.A.Fisher于20世紀(jì)提出的。它是用以檢驗(yàn)兩個(gè)或多個(gè)均數(shù)間差異的假設(shè)檢驗(yàn)方法。它是一類特定情況下的統(tǒng)計(jì)假設(shè)檢驗(yàn)，或者說(shuō)是平均數(shù)差異顯著性檢驗(yàn)的一種引伸。方差分析的定義方差分析的基本功能對(duì)多組樣本平均數(shù)差異的顯著性進(jìn)行檢驗(yàn)

t檢驗(yàn)可以判斷兩組數(shù)據(jù)平均數(shù)間的差異顯著性，而方差分析既可以判斷兩組又可以判斷多組數(shù)據(jù)平均數(shù)之間的差異顯著性。有人說(shuō)，我們可以把多組數(shù)據(jù)化成n個(gè)兩組數(shù)據(jù)（化整為零），用n次t檢驗(yàn)來(lái)完成這個(gè)多組數(shù)據(jù)差異顯著性的判斷。到底這種方法行不行？對(duì)多個(gè)處理進(jìn)行平均數(shù)差異顯著性檢驗(yàn)時(shí)，采用t檢驗(yàn)法的缺點(diǎn)：1.檢驗(yàn)過(guò)程煩瑣。試驗(yàn)包含４個(gè)處理t檢驗(yàn)：C42

＝6次缺點(diǎn)缺點(diǎn)2.無(wú)統(tǒng)一的試驗(yàn)誤差，誤差估計(jì)的精確性和檢驗(yàn)的靈敏性低。t檢驗(yàn)：C42

＝6次需計(jì)算6個(gè)標(biāo)準(zhǔn)誤誤差估計(jì)不統(tǒng)一誤差估計(jì)精確性降低缺點(diǎn)3.推斷的可靠性低，檢驗(yàn)時(shí)犯α錯(cuò)誤概率大。t檢驗(yàn)：C42

＝6次H0的概率：1-α＝0.956次檢驗(yàn)相互獨(dú)立6次都接受的概率(0.95)6＝0.735犯α錯(cuò)誤的概率＝1-0.735＝0.265犯α錯(cuò)誤的概率明顯增加例如我們用t檢驗(yàn)的方法檢驗(yàn)4個(gè)樣本平均數(shù)之間的差異顯著性試驗(yàn)指標(biāo)（experimentalindex）：為衡量試驗(yàn)結(jié)果的好壞和處理效應(yīng)的高低，在實(shí)驗(yàn)中具體測(cè)定的性狀或觀測(cè)的項(xiàng)目稱為試驗(yàn)指標(biāo)。常用的試驗(yàn)指標(biāo)有：身高、體重、日增重、酶活性、DNA含量等等。試驗(yàn)因素（experimentalfactor）：試驗(yàn)中所研究的影響試驗(yàn)指標(biāo)的因素叫試驗(yàn)因素。當(dāng)試驗(yàn)中考察的因素只有一個(gè)時(shí)，稱為單因素試驗(yàn)；若同時(shí)研究?jī)蓚€(gè)或兩個(gè)以上因素對(duì)試驗(yàn)指標(biāo)的影響時(shí)，則稱為兩因素或多因素試驗(yàn)。因素水平（leveloffactor）:

試驗(yàn)因素所處的某種特定狀態(tài)或數(shù)量等級(jí)稱為因素水平，簡(jiǎn)稱水平。如研究3個(gè)品種奶牛產(chǎn)奶量的高低，這3個(gè)品種就是奶牛品種這個(gè)試驗(yàn)因素的3個(gè)水平。試驗(yàn)處理（treatment）:

事先設(shè)計(jì)好的實(shí)施在實(shí)驗(yàn)單位上的具體項(xiàng)目就叫試驗(yàn)處理。如進(jìn)行飼料的比較試驗(yàn)時(shí)，實(shí)施在試驗(yàn)單位上的具體項(xiàng)目就是具體飼喂哪一種飼料。試驗(yàn)單位（experimentalunit）:

在實(shí)驗(yàn)中能接受不同試驗(yàn)處理的獨(dú)立的試驗(yàn)載體叫試驗(yàn)單位。一只小白鼠，一條魚(yú)，一定面積的小麥等都可以作為實(shí)驗(yàn)單位。重復(fù)（repetition）:

在實(shí)驗(yàn)中，將一個(gè)處理實(shí)施在兩個(gè)或兩個(gè)以上的試驗(yàn)單位上，稱為處理有重復(fù)；一處理實(shí)施的試驗(yàn)單位數(shù)稱為處理的重復(fù)數(shù)。例如，用某種飼料喂4頭豬，就說(shuō)這個(gè)處理（飼料）有4個(gè)重復(fù)。第一節(jié)方差分析的基本原理二、數(shù)學(xué)模型一、方差分析的基本思想、目的和用途三、平方和與df的分解四、統(tǒng)計(jì)假設(shè)的顯著性檢驗(yàn)五、多重比較觀測(cè)值不同的原因處理效應(yīng)(treatmenteffect)：處理不同引起試驗(yàn)誤差：試驗(yàn)過(guò)程中偶然性因素的干擾和測(cè)量誤差所致。方差：又叫均方，是標(biāo)準(zhǔn)差的平方，是表示變異的量。在一個(gè)多處理試驗(yàn)中，可以得出一系列不同的觀測(cè)值。方差分析的基本思想總變異處理效應(yīng)試驗(yàn)誤差方差分析的目的確定各種原因在總變異中所占的重要程度。處理效應(yīng)試驗(yàn)誤差相差不大，說(shuō)明試驗(yàn)處理對(duì)指標(biāo)影響不大。相差較大，即處理效應(yīng)比試驗(yàn)誤差大得多，說(shuō)明試驗(yàn)處理影響是很大的，不可忽視。方差分析的用途1.用于多個(gè)樣本平均數(shù)的比較2.分析多個(gè)因素間的交互作用3.回歸方程的假設(shè)檢驗(yàn)4.方差的同質(zhì)性檢驗(yàn)1.用于多個(gè)樣本平均數(shù)的比較2.分析多個(gè)因素間的交互作用二、數(shù)學(xué)模型假定有k組觀測(cè)數(shù)據(jù)，每組有n個(gè)觀測(cè)值，則共有nk個(gè)觀測(cè)值平均T=∑xij

Tk…Ti…T2T1總和xk1xk2…xkj…xkn………………xi1xi2…xij…xin………………x21x22…x2j…x2nx11

x12

…x1j…x1n12…j…nk…i…21

處理重復(fù)xx1

x2

xi

xk

…用線性模型(linearmodel)來(lái)描述每一觀測(cè)值：xij=μ+τi+εij

(i=1,2,3…,kj=1,2,3…,n)μ

－總體平均數(shù)τi

－處理效應(yīng)εij

－試驗(yàn)誤差xij

－是在第

i次處理下的第

j

次觀測(cè)值要求εij是相互獨(dú)立的，且服從標(biāo)準(zhǔn)正態(tài)分布N(0,σ2)二、數(shù)學(xué)模型對(duì)于由樣本估計(jì)的線性模型為：xij=x+ti+eijx

－樣本平均數(shù)ti

－樣本處理效應(yīng)eij

－試驗(yàn)誤差二、數(shù)學(xué)模型xij=μ+τi+εij

根據(jù)的τi不同假定，可將數(shù)學(xué)模型分為以下三種：固定模型隨機(jī)模型混合模型二、數(shù)學(xué)模型(一)固定模型(fixedmodel)指各個(gè)處理的效應(yīng)值τi

是固定值，各個(gè)的平均效應(yīng)τi

＝μi

－μ是一個(gè)常量，且∑τi

＝0。就是說(shuō)除去隨機(jī)誤差以后每個(gè)處理所產(chǎn)生的效應(yīng)是固定的。二、數(shù)學(xué)模型實(shí)驗(yàn)因素的各水平是根據(jù)試驗(yàn)?zāi)康氖孪戎饔^選定的而不是隨機(jī)選定的。不同離子對(duì)木聚糖酶活性的影響(mg/ml)0.000.250.500.751.001.250.000.060.120.180.240.300.000.400.801.201.602.000.000.400.600.801.001.20固定模型Na+K+

Cu2+

Mn2+二、數(shù)學(xué)模型在固定模型中，除去隨機(jī)誤差之后的每個(gè)處理所產(chǎn)生的效應(yīng)是固定的，試驗(yàn)重復(fù)時(shí)會(huì)得到相同的結(jié)果方差分析所得到的結(jié)論只適合于選定的那幾個(gè)水平，并不能將其結(jié)論擴(kuò)展到未加考慮的其它水平上。固定模型二、數(shù)學(xué)模型(二)隨機(jī)模型(randommodel)指各處理的效應(yīng)值τi不是固定的數(shù)值，而是由隨機(jī)因素所引起的效應(yīng)。這里τi

是一個(gè)隨機(jī)變量，是從期望均值為0，方差為σ2的標(biāo)準(zhǔn)正態(tài)總體中得到的隨機(jī)變量。得出的結(jié)論可以推廣到多個(gè)隨機(jī)因素的所有水平上。二、數(shù)學(xué)模型隨機(jī)模型美國(guó)的黑核桃品種對(duì)不同地理?xiàng)l件的適應(yīng)情況氣候、水肥、土壤無(wú)法人為控制河南北京廣州江蘇新疆二、數(shù)學(xué)模型如果實(shí)驗(yàn)條件不能人為控制，那么這個(gè)樣本對(duì)所屬總體作出推斷就屬于隨機(jī)模型。隨機(jī)模型在隨機(jī)模型中，水平確定之后其處理所產(chǎn)生的效應(yīng)并不是固定的，試驗(yàn)重復(fù)時(shí)也很難得到相同的結(jié)果方差分析所得到的結(jié)論，可以推廣到這個(gè)因素的所有水平上二、數(shù)學(xué)模型固定模型與隨機(jī)模型的比較1.兩者在設(shè)計(jì)思想和統(tǒng)計(jì)推斷上有明顯不同，因此進(jìn)行方差分析時(shí)的公式推導(dǎo)也有所不同。其平方和與df的分解公式?jīng)]有區(qū)別，但在進(jìn)行統(tǒng)計(jì)推斷時(shí)假設(shè)檢驗(yàn)構(gòu)成的統(tǒng)計(jì)數(shù)是不同的。2.模型分析的側(cè)重點(diǎn)也不完全相同，方差期望值也不一樣，固定模型主要側(cè)重于效應(yīng)值的估計(jì)和比較，而隨機(jī)模型則側(cè)重效應(yīng)方差的估計(jì)和檢驗(yàn)3.對(duì)于單因素方差分析來(lái)說(shuō)，兩者并無(wú)多大區(qū)別二、數(shù)學(xué)模型(三)混合模型(mixedmodel)指多因素試驗(yàn)中既有固定因素又有隨機(jī)因素時(shí)所用的模型．在實(shí)際應(yīng)用中，固定模型應(yīng)用最多，隨機(jī)模型和混合模型相對(duì)較少二、數(shù)學(xué)模型三、平方和與df的分解方差是離均差平方和除以自由度的商σ2

＝∑(x-μ)2

N∑(x-x)2

s2=n-1要把一個(gè)試驗(yàn)的總變異依據(jù)變異來(lái)源分為相應(yīng)的變異，首先要將總平方和和總df分解為各個(gè)變異來(lái)源的的相應(yīng)部分。方差分析的基本思想引起觀測(cè)值出現(xiàn)變異分解為處理效應(yīng)的變異和試驗(yàn)誤差的變異。三、平方和與df的分解……平均T=∑xij

Tk…Ti…T2T1總和xk1xk2…xkj…xkn………………xi1xi2…xij…xin………………x21x22…x2j…x2nx11

x12

…x1j…x1n12…j…nk…i…21處理重復(fù)xx1

x2

xi

xk

處理間平均數(shù)的差異是由處理效應(yīng)引起的：處理內(nèi)的變異是由隨機(jī)誤差引起：平方和(x-xi)(xi–

x)三、平方和與df的分解根據(jù)線性可加模型，則有：平方和(xi–

x)(x-x)＝(x-xi)+(x-x)2

＝[]2(x-xi)+(xi–

x)(xi–x)2∑(x-x)2

＝∑1n1n(x-xi)2+(x-xi)(xi–

x)2∑1n+∑1n每一個(gè)處理n個(gè)觀測(cè)值離均差平方和累加：＝(x-xi)2+2(x-xi)(xi–

x)+(xi–x)20……平均T=∑xij

Tk…Ti…T2T1總和xk1xk2…xkj…xkn………………xi1xi2…xij…xin………………x21x22…x2j…x2nx11

x12

…x1j…x1n12…j…nk…i…21處理重復(fù)xx1

x2

xi

xk

(xi–

x)＝0(x-xi)2∑1n？三、平方和與df的分解(xi–

x)(x-xi)由于＝0，則：

2∑1n∑(x-x)2

＝∑(xi–x)2(x-xi)2nn11+∑1n(xi–x)2(x-xi)2(x-x)2

＝

∑∑1n1k∑∑1n1k+n∑1k總平方和

SST

處理內(nèi)或組內(nèi)平方和SSe處理間或組間平方和

SSt平方和把k個(gè)處理的離均差平方在累加，得三、平方和與df的分解平方和總平方和＝處理間平方和+處理內(nèi)平方和SST＝

SSt+SSeSST＝∑∑(x-x)21n

1k

=∑x2

-T2

kn(∑x)2

kn＝∑x2-SST＝∑x2-C令矯正數(shù)C＝，則：T2

kn平方和三、平方和與df的分解SSt

＝n∑1

k

(xi–x)2

k

＝n∑(-2+)1xi2

xixx2

=n∑-+nk1

k

xi2

2n∑1

k

xxix2

=-2nk+n∑1

k

xi2

x2

nkx2

=-n∑1

k

xi2

nkx2

=-n∑1

k

Ti2

n2

nkT2(nk)2

=∑Ti2-Cn1∑1

k

xi=kxxi=Tin=Tnkx三、平方和與df的分解總平方和：SST＝∑x2-C

處理間平方和：

SSt=∑Ti2-Cn1處理內(nèi)平方和：SSe

=SST-SSt平方和自由度三、平方和與df的分解總自由度也可分解為處理間自由度和處理內(nèi)自由度：dfT

=dft+dfe總df處理間df處理內(nèi)df三、平方和與df的分解自由度dfT

=

nk-1dft=k-1dfe=dfT-

dft=nk-1-(k-1)=nk-k=k(n-1)……平均T=∑xij

Tk…Ti…T2T1總和xk1xk2…xkj…xkn………………xi1xi2…xij…xin………………x21x22…x2j…x2nx11

x12

…x1j…x1n12…j…nk…i…21處理重復(fù)xx1

x2

xi

xk

三、平方和與df的分解根據(jù)各變異部分的平方和和自由度，可求得處理間方差（st2

）和處理內(nèi)方差（se2

）：st2

=SStdftSSedfese2=平方和自由度方差處理間處理內(nèi)總變異某豬場(chǎng)對(duì)4個(gè)不同品種幼豬進(jìn)行4個(gè)月增重量的測(cè)定，每個(gè)品種選擇體重接近的幼豬4頭，測(cè)定結(jié)果列于下表，試進(jìn)行方差分析。=27.227.924.125.830.9T=434.4111.496.2103.2123.6Ti27.030.829.024.622.223.026.724.324.825.726.825.931.924.031.835.91234沈花沈黑沈白大白品種重復(fù)xixk=4，n=4，nk=16例=27.227.924.125.830.9T=434.4111.496.2103.2123.6Ti27.030.829.024.622.223.026.724.324.825.726.825.931.924.031.835.91234沈花沈黑沈白大白

品種重復(fù)xix4個(gè)不同品種豬4個(gè)月的增重量(kg)(1)平方和的計(jì)算：T2

knC＝＝434.42

16＝11793.96SST＝∑x2-C＝31.92+24.02+…+24.62-C＝213.3SSt=∑Ti2-Cn1＝1/4×(123.62+103.22+…+111.42)-C＝103.94SSe

＝SST-SSt=213.3-103.94=109.36例(2)自由度的計(jì)算：dfT＝nk-1=16-1=15dft=k-1=4-1=3dfe=k(n-1)=4×3=12(3)方差計(jì)算：st2

=SStdft＝103.942

3＝34.647SSedfese2=＝109.362

12＝9.113四、統(tǒng)計(jì)假設(shè)的顯著性檢驗(yàn)

——F檢驗(yàn)確定各種原因（處理效應(yīng)、試驗(yàn)誤差）在總變異中所占的重要程度。處理間的方差（st2

）可以作為處理效應(yīng)方差的估計(jì)量處理內(nèi)的方差（se2

）可以作為試驗(yàn)誤差差異的估計(jì)量處理效應(yīng)試驗(yàn)誤差方差分析的目的:二者相比，如果相差不大，說(shuō)明不同處理的變異在總變異中所占的位置不重要，也就是不同試驗(yàn)處理對(duì)結(jié)果影響不大。如果相差較大，也就是處理效應(yīng)比試驗(yàn)誤差大得多，說(shuō)明試驗(yàn)處理的變異在總變異中占有重要的位置，不同處理對(duì)結(jié)果的影響很大，不可忽視。處理效應(yīng)試驗(yàn)誤差F檢驗(yàn)

從第三章我們已經(jīng)知道，從一正態(tài)總體（μ,σ2

）中隨機(jī)抽取兩個(gè)樣本，其樣本方差s12與s22的比值為F

：F＝s12

s22

其F

分布曲線隨著df1

和df2

的變化而變化。由于F

值表是一尾的（F值的區(qū)間〔0，+∞)

），一般將大方差作分子，小方差作分母，使F

值大于1，因此，表上df1的代表大方差自由度，df2

代表小方差自由度。用處理效應(yīng)的方差（st2

）和實(shí)驗(yàn)誤差的方差（se2

）比較時(shí)，我們所做的無(wú)效假設(shè)是假設(shè)處理效應(yīng)的變量和實(shí)驗(yàn)誤差的變量是來(lái)自同一正態(tài)總體的兩個(gè)樣本，因此處理效應(yīng)的方差（st2

）和實(shí)驗(yàn)誤差的方差（se2

）的比值就是F

值，即處理效應(yīng)試驗(yàn)誤差=方差分析F檢驗(yàn)

在進(jìn)行不同處理差異顯著性的F

檢驗(yàn)時(shí)，一般是把處理間方差作為分子，稱為大方差，誤差方差作為分母，稱為小方差。

無(wú)效假設(shè)是把各個(gè)處理的變量假設(shè)來(lái)自同一總體，即處理間方差不存在處理效應(yīng)，只有誤差的影響，因而處理間的樣本方差σt2與誤差的樣本方差σe2相等：Ho

：σt2

＝

σe2HA

：σt2

≠

σe2st2無(wú)論無(wú)效假設(shè)是否為真，se2均為總體方差σ2的估計(jì)。se2只有無(wú)效假設(shè)為真時(shí)，st2(=se2)才是總體方差σ2的估計(jì)；當(dāng)無(wú)效假設(shè)不真時(shí)，將st2(＞se2

)是一個(gè)比σ2更大的估計(jì)值。F檢驗(yàn)與t

檢驗(yàn)相類似，F(xiàn)檢驗(yàn)是把計(jì)算所得的F值與臨界Fα值比較，判斷由誤差造成的概率大小，最后作出統(tǒng)計(jì)推斷。無(wú)效假設(shè)是否成立，要看計(jì)算的F值在F分布中出現(xiàn)的概率。F＜F0.05P＞0.05

處理間差異不顯著F＞F0.05P＜0.05

處理間差異顯著F＞F0.01P＜0.01

處理間差異極顯著否定Ho否定Ho接受Ho

我們確定顯著標(biāo)準(zhǔn)水平α后，從F值表中查出在dft和dfe下的Fα值綜上所述，可歸納成方差分析表(analysisofvariancetable)se2k(n-1)SSe誤差或處理內(nèi)nk-1SST總和st2k-1SSt處理間F均方自由度平方和變異來(lái)源F＝st2se2F檢驗(yàn)上例中，4個(gè)不同品種豬增重的F值為：F＝st2

se2

＝34.647

9.113＝3.802dft

＝3dfe

＝12，查F值表得F0.05＝3.49，F(xiàn)0.01＝5.95品種間豬的增重量差異是顯著的例F0.01>F>F0.050.01<P<0.05變異來(lái)源SSdfs2FF0.05F0.01品種間品種內(nèi)103.94109.3631234.6479.1133.802*3.495.95總變異213.3015不同品種豬4個(gè)月增重量的方差分析表例如果處理間差異顯著，在計(jì)算出的F值右上角標(biāo)上“*”號(hào)；如果處理間差異極顯著，在F

值的右上角標(biāo)上“**”號(hào)。

為了解燙傷后不同時(shí)期大鼠肝臟ATP的變化情況，將30只大鼠隨機(jī)分為三組，每組10只，A組在燙傷時(shí)，B組在燙傷后24小時(shí)（休克期），C組在燙傷后96小時(shí)（非休克期）測(cè)定其肝臟內(nèi)的ATP含量，結(jié)果如右表：A組B組C組7.7611.1410.857.7111.608.588.4311.427.198.4713.859.3610.3013.539.596.6714.168.8111.736.948.225.7813.019.956.6114.1811.266.9717.728.68n101010N=308.0412.769.25

=10.02∑x80.43127.5592.49T=300.47(∑x)26468.9816269.008554.40T2=90282.22∑x2676.321696.96868.93(1)平方和的計(jì)算：T2

knC＝＝300.472

30＝3009.4074SST＝∑x2-C＝676.32+1696.96+868.93-C＝232.8026SSt=∑Ti2-Cn1＝1/3×(80.432+127.552+92.492)-C＝119.8314SSe

＝SST-SSt=232.8026-119.8314=112.9712(2)自由度的計(jì)算：dfT＝nk-1=30-1=29dft=k-1=3-1=2dfe=k(n-1)=3×9=27變異來(lái)源SSdfs2FF0.05F0.01品種間品種內(nèi)119.8314112.971222759.9164.18414.32**3.355.49總變異232.802629大鼠燙傷后ATP含量的的方差分析表五多重比較多重比較（multiplecomparisons）

要明確不同處理平均數(shù)兩兩間差異的顯著性，每個(gè)處理的平均數(shù)都要與其他的處理進(jìn)行比較，這種差異顯著性的檢驗(yàn)就叫多重比較。統(tǒng)計(jì)上把多個(gè)平均數(shù)兩兩間的相互比較稱為多重比較。概念五、多重比較常用方法最小顯著差數(shù)法leastsignificantdifferenceLSD法最小顯著極差法leastsignificantrangesLSR法

LSD法的實(shí)質(zhì)是兩個(gè)平均數(shù)相比較的t檢驗(yàn)法。

LSR法克服了LSD法的局限性，采用不同平均數(shù)間用不同的顯著差數(shù)標(biāo)準(zhǔn)進(jìn)行比較，它可用于平均數(shù)間的所有相互比較。(一)最小顯著差數(shù)法（LSD法）1.檢驗(yàn)的方法(1)先計(jì)算出達(dá)到差異顯著的最小差數(shù)，記為L(zhǎng)SDα

(2)用兩個(gè)處理平均數(shù)的差值絕對(duì)值與LSDα比較：x1x2-(一)最小顯著差數(shù)法（LSD法）1.檢驗(yàn)的方法(1)先計(jì)算出達(dá)到差異顯著的最小差數(shù)，記為L(zhǎng)SDα

由t=得x1x2-x1x2-Sx1x2-x1x2-S＝t·LSD0.05=t0.05·x1x2-SLSD0.01=t0.01·x1x2-Sx1x2-S=√s12

n1s22n2+=√1

n11n2se2(+)當(dāng)n1=

n2時(shí)：x1x2-S=√2se2

n平均數(shù)差數(shù)標(biāo)準(zhǔn)誤的計(jì)算公式：處理內(nèi)方差1.檢驗(yàn)的方法(2)再用兩個(gè)處理平均數(shù)的差值絕對(duì)值與LSDα比較：x1x2-x1x2-＞LSDα

，即和在給定的α水平上差異不顯著

x1x2拒絕Ho接受Ho(一)最小顯著差數(shù)法（LSD法）x1x2即和在給定的α水平上差異顯著x1x2-＜LSDα

，變異來(lái)源SSdfs2FF0.05F0.01品種間品種內(nèi)103.94109.3631234.6479.1133.802*3.495.95總變異213.3015不同品種豬4個(gè)月增重量的方差分析表例x1x2-S=√2se2

n=√2×9.113

4＝2.1346查t值表，當(dāng)誤差自由度dfe=12時(shí)，LSD0.05=t0.05·x1x2-S=2.179×2.1346=4.6513(kg)LSD0.01=t0.01·x1x2-S=3.056×2.1346=6.5233(kg)t0.05

＝2.179，t0.01

＝3.0562.結(jié)果表示方法(一)最小顯著差數(shù)法（LSD法）梯形法標(biāo)記字母法標(biāo)記字母法

首先將全部平均數(shù)從大到小依次排列。然后在最大的平均數(shù)上標(biāo)字母a，將該平均數(shù)與以下各平均數(shù)相比，凡相差不顯著的（＜LSDα）都標(biāo)上字母a，直至某個(gè)與之相差顯著的則標(biāo)字母b。再以該標(biāo)有b的平均數(shù)為標(biāo)準(zhǔn)，與各個(gè)比它大的平均數(shù)比較，凡差數(shù)差異不顯著的在字母a的右邊加標(biāo)字母b。然后再以標(biāo)b的最大平均數(shù)為標(biāo)準(zhǔn)與以下未曾標(biāo)有字母的平均數(shù)比較，凡差數(shù)差異不顯著的繼續(xù)標(biāo)以字母b，直至差異顯著的平均數(shù)標(biāo)字母c，再與上面的平均數(shù)比較。如此重復(fù)進(jìn)行，直至最小的平均數(shù)有了標(biāo)記字母，并與上面的平均數(shù)比較后為止。(一)最小顯著差數(shù)法（LSD法）標(biāo)記字母法品種平均數(shù)差異顯著性α＝0.05α＝0.01大白沈花沈白沈黑30.927.925.824.1aA例不同品種間4個(gè)月增重量差異顯著表abbbAABBBxi結(jié)果表明：大白和沈黑增重量差異達(dá)到了極顯著標(biāo)準(zhǔn)，大白與沈白之間的差異達(dá)到了顯著標(biāo)準(zhǔn)，其他品種間差異不顯著。LSD0.05=4.6513LSD0.01=6.5233標(biāo)記字母法在各平均數(shù)間，凡有一個(gè)相同標(biāo)記字母的即為差異不顯著，凡具不同標(biāo)記字母的即為差異顯著。差異極顯著標(biāo)記方法相同，但用大寫(xiě)字母標(biāo)記。(一)最小顯著差數(shù)法（LSD法）梯形比較法又叫三角形法，是將各處理的平均數(shù)差數(shù)按梯形列于表中，并將這些差數(shù)和LSDα值比較：差數(shù)＞LSD0.05差異顯著*差數(shù)＞LSD0.01差異極顯著**差數(shù)≤LSD0.05差異不顯著(一)最小顯著差數(shù)法（LSD法）例梯形比較法不同品種間4個(gè)月增重量差異顯著表品種平均數(shù)差異顯著性大白沈花沈白沈黑30.927.925.824.16.8**3.81.75.1*2.13.0xixi-24.1xi-25.8xi-27.9LSD0.05=4.6513LSD0.01=6.5233結(jié)果表明：大白和沈黑增重量差異達(dá)到了極顯著標(biāo)準(zhǔn)，大白與沈白之間的差異達(dá)到了顯著標(biāo)準(zhǔn)，其他品種間差異不顯著。LSD法應(yīng)用的說(shuō)明(一)最小顯著差數(shù)法（LSD法）1.進(jìn)行LSD檢驗(yàn)時(shí)，這一對(duì)平均數(shù)的比較是檢驗(yàn)之前已經(jīng)指定的，且經(jīng)F檢驗(yàn)證實(shí)平均數(shù)間的差異已達(dá)到顯著之后，才可以進(jìn)行LSD檢驗(yàn)。3.LSD

法適用于各處理組與對(duì)照組的比較，不適用于處理組間的比較。2.LSD

法實(shí)質(zhì)上是t檢驗(yàn)，但LSD

法是利用F

檢驗(yàn)中的誤差自由度dfe

查t

臨界值，利用誤差方差se2計(jì)算平均數(shù)差異標(biāo)準(zhǔn)誤，從一定程度上緩解了t檢驗(yàn)過(guò)程中的三個(gè)弊病，但是LSD法仍然存在提高犯α錯(cuò)誤的概率，所以進(jìn)行LSD檢驗(yàn)必須限制其應(yīng)用范圍。(二)最小顯著極差法（LSR法）是指不同平均數(shù)間用不同的顯著差數(shù)標(biāo)準(zhǔn)進(jìn)行比較，可用于平均數(shù)間的所有相互比較。新復(fù)極差法（Newmultiplerangmethod）

SSR法q

檢驗(yàn)（q-test）新復(fù)極差法（SSR）SSR法又稱Duncan法。無(wú)效假設(shè)H0為：μA–μB=0(1)按相比較的樣本容量計(jì)算平均數(shù)標(biāo)準(zhǔn)誤:當(dāng)n1

＝n2＝n時(shí)√xS=se2

n(2)根據(jù)誤差方差se2所具有自由度dfe和比較所含平均數(shù)個(gè)數(shù)M，查SSR值（附表8），然后算出最小顯著極差值（LSR值）。LSRα＝

SSRα·x1S(3)將各平均數(shù)按大小順序排列，用各個(gè)M值的LSRα值，檢驗(yàn)各平均數(shù)間極差的顯著性。例例：n=4，se2=9.113，dfe＝12√xS=se2

n√=49.113

＝1.5094(kg)查附表8，當(dāng)dfe

＝12，M＝2時(shí)，LSR0.05＝1.5094×3.08＝4.65LSR0.01＝1.5094×4.32＝6.52當(dāng)M＝3，M＝4時(shí)，按同理計(jì)算，將結(jié)果列于下表：SSR0.05＝3.08，SSR0.01＝4.32不同品種4個(gè)月增重量試驗(yàn)LSR值（新復(fù)極差法）M234SSR0.05SSR0.01LSR0.05LSR0.013.084.324.656.523.224.504.886.793.314.625.006.97品種平均數(shù)大白沈花沈白沈黑30.927.925.824.1大白與沈黑：M＝4，極差＝6.8＞5.00大白與沈白：M＝3，極差＝5.1＞4.88大白與沈花：M＝2，極差＝3.0＜4.65M=相隔數(shù)+2品種平均數(shù)差異顯著性α＝0.05α＝0.01大白沈花沈白沈黑30.927.925.824.1aabbbAAAA結(jié)論：豬的4個(gè)品種中只有大白與沈黑，大白與沈白4個(gè)月增重量差異達(dá)到顯著，其他品種間差異不顯著。豬品種間4個(gè)月增重量差異顯著性比較表（新復(fù)極差法）也稱Newman-keuls檢驗(yàn)，方法與新復(fù)極差法相似，其區(qū)別僅在于計(jì)算最小顯著極差LSRα?xí)r不是查SSRα，而是查qα值（附表9）LSRα＝

qα·x1S還對(duì)上例作q檢驗(yàn)：x1S＝1.5094,查q值表，dfe＝12,M=2時(shí)q0.05

＝3.08，q0.01＝4.32。同理可查M＝3，M=4時(shí)的qα值，算出最小顯著極差LSR。q-檢驗(yàn)法q-檢驗(yàn)M234q0.05q0.01LSR0.05LSR0.013.084.324.656.523.775.045.697.614.205.506.348.30不同品種4個(gè)月增重量試驗(yàn)LSR值（q檢驗(yàn)）品種平均數(shù)大白沈花沈白沈黑30.927.925.824.1大白與沈黑：M＝4，極差＝6.8＞6.34大白與沈白：M＝3，極差＝5.1＜5.69大白與沈花：M＝2，極差＝3.0＜4.65(二)最小顯著極差法（LSR法）不同品種間4個(gè)月增重量差異顯著性比較表（新復(fù)極差法）品種平均數(shù)差異顯著性α＝0.05α＝0.01大白沈花沈白沈黑30.927.925.824.1aababbAAAA結(jié)論：豬的4個(gè)品種中只有大白與沈黑4個(gè)月增重量差異達(dá)到顯著，其他品種間差異不顯著。LSD0.05=4.6513LSD0.01=6.5233LSD法M234q0.05q0.01LSR0.05LSR0.013.084.324.656.523.775.045.697.614.205.506.348.30M234SSR0.05SSR0.01LSR0.05LSR0.013.084.324.656.523.224.504.886.793.314.625.006.97新復(fù)極差法q檢驗(yàn)當(dāng)樣本數(shù)k=2時(shí)，LSD法、LSR法和q檢驗(yàn)法的顯著性尺度是相同的。當(dāng)M≥3時(shí)，三種檢驗(yàn)的顯著尺度便不相同。因此，在實(shí)際計(jì)算中：對(duì)于精度要求高的試驗(yàn)——q檢驗(yàn)法一般試驗(yàn)——SSR檢驗(yàn)法試驗(yàn)中各個(gè)處理均數(shù)皆與對(duì)照相比的試驗(yàn)——LSD檢驗(yàn)法方差分析的基本步驟（1）將樣本數(shù)據(jù)的總平方和與總自由度分解為各變異因素的平方和與自由度；（2）列方差分析表進(jìn)行F檢驗(yàn)，以弄清各變異因素在總變異中的重要程度；（3）對(duì)各處理平均數(shù)進(jìn)行多重比較。

為了解燙傷后不同時(shí)期大鼠肝臟ATP的變化情況，將30只大鼠隨機(jī)分為三組，每組10只，A組在燙傷時(shí)，B組在燙傷后24小時(shí)（休克期），C組在燙傷后96小時(shí)（非休克期）測(cè)定其肝臟內(nèi)的ATP含量，結(jié)果如右表：A組B組C組7.7611.1410.857.7111.608.588.4311.427.198.4713.859.3610.3013.539.596.6714.168.8111.736.948.225.7813.019.956.6114.1811.266.9717.728.68n101010N=308.0412.769.25

=10.02∑x80.43127.5592.49T=300.47(∑x)26468.9816269.008554.40T2=90282.22∑x2676.321696.96868.93(1)平方和的計(jì)算：T2

knC＝＝300.472

30＝3009.4074SST＝∑x2-C＝676.32+1696.96+868.93-C＝232.8026SSt=∑Ti2-Cn1＝1/10×(80.432+127.552+92.492)-C＝119.8314SSe

＝SST-SSt=232.8026-119.8314=112.9712(2)自由度的計(jì)算：dfT

＝nk-1=30-1=29dft=k-1=3-1=2dfe=k(n-1)=3×9=27變異來(lái)源SSdfs2FF0.05F0.01品種間品種內(nèi)119.8314112.971222759.9164.18414.32**3.355.49總變異232.802629大鼠燙傷后ATP含量的的方差分析表組別平均數(shù)差異顯著性LSDqBCA12.769.258.04aabbabb第二節(jié)單因素方差分析單因素方差分析在試驗(yàn)中所考慮的因素只有一個(gè)時(shí)，稱為單因素實(shí)驗(yàn)。

單因素方差分析是最簡(jiǎn)單的一種，它適用于只研究一個(gè)試驗(yàn)因素的資料，目的在于正確判斷該試驗(yàn)因素各處理的相對(duì)效果（各水平的優(yōu)劣）.單因素方差分析組內(nèi)觀測(cè)數(shù)目的不同組內(nèi)觀測(cè)次數(shù)相等方差分析組內(nèi)觀測(cè)次數(shù)不相等的方差分析組內(nèi)觀測(cè)次數(shù)相等的方差分析

是指在k組處理中，每一處理皆含有n個(gè)觀測(cè)值，其方差分析方法前面已做介紹，這里以方差分析表的形式給出有關(guān)計(jì)算公式：se2k(n-1)SSe誤差或處理內(nèi)nk-1SST總和st2k-1SSt處理間F均方自由度平方和變異來(lái)源F＝st2se2

測(cè)定東北、內(nèi)蒙古、河北、安徽、貴州5個(gè)地區(qū)黃鼬冬季針毛的長(zhǎng)度，每個(gè)地區(qū)隨機(jī)抽取4個(gè)樣本，測(cè)定的結(jié)果如表，試比較各地區(qū)黃鼬針毛長(zhǎng)度差異顯著性。地區(qū)東北內(nèi)蒙古河北安徽貴州合計(jì)132.029.225.223.322.3232.827.426.125.122.5331.226.325.825.122.9430.426.726.725.523.7126.4109.6104.199.091.4530.531.6027.4026.0324.7522.8526.533997.443007.992709.982453.162089.6414258.21在這里，k=5，n=4。（1）首先計(jì)算出，及，并列于表中。（2）計(jì)算出離均差平方和與自由度：＝186.7-173.71＝12.99＝20－1＝19＝5×(4－1)＝15（3）計(jì)算方差：＝5－1＝4（4）進(jìn)行F檢驗(yàn)：查F值表，得F0.05(4,15)＝3.06，F(xiàn)0.01(4,15)＝4.89，故F>F0.01，P<0.01，說(shuō)明5個(gè)地區(qū)黃鼬冬季針毛長(zhǎng)度差異極顯著。結(jié)果做成方差分析表：不同地區(qū)黃鼬冬季針毛長(zhǎng)度方差分析表變異來(lái)源SSdfs2FF0.05F0.01地區(qū)間地區(qū)內(nèi)173.7112.9941543.430.8750.15**3.064.89總變異186.7019為了確定各個(gè)地區(qū)之間的差異是否顯著，需要進(jìn)行多重比較。這里用最小顯著差數(shù)法（LSD）進(jìn)行檢驗(yàn)。查t值表，當(dāng)dfe

=15時(shí)，t0.05＝2.131，t0.01＝2.947，于是有：LSD0.05=2.131×0.658=1.402LSD0.01=2.947×0.658=1.939本例中各組內(nèi)觀測(cè)數(shù)相等，而且組內(nèi)方差均為0.866，故任何兩組的比較均可用LSD0.05及LSD0.01。

在進(jìn)行LSD0.05及LSD0.01比較時(shí)，各組間差數(shù)>LSD0.01，說(shuō)明兩地間差異極顯著，標(biāo)以不同的大寫(xiě)字母；

LSD0.01>各組間差數(shù)>LSD0.05，說(shuō)明兩地間差異顯著，標(biāo)以不同的小寫(xiě)字母；地區(qū)平均數(shù)差異顯著性α＝0.05α＝0.01東北內(nèi)蒙古河北安徽貴州31.6027.4026.0324.7522.85abbccdABBCCDD結(jié)果表明，東北與其它地區(qū)，內(nèi)蒙古與安徽、貴州，河北與貴州黃鼬冬季針毛長(zhǎng)度差異均達(dá)到極顯著水平，安徽與貴州差異達(dá)到顯著水平，而內(nèi)蒙古與河北、河北與安徽差異不顯著。根據(jù)組內(nèi)觀測(cè)次數(shù)目不同組內(nèi)觀測(cè)次數(shù)相等的方差分析組內(nèi)觀測(cè)次數(shù)不相等的方差分析

有時(shí)由于試驗(yàn)條件的限制，不同處理的觀測(cè)次數(shù)不同，k個(gè)處理的觀測(cè)次數(shù)依次是n1

、n2

、…、nk的單因素分組資料，前面介紹的方差分析方法仍然可用，但由于總觀測(cè)次數(shù)不是nk，而是次，在計(jì)算平方和時(shí)公式稍有改變。組內(nèi)觀測(cè)次數(shù)不相等的方差分析se2∑ni-1

SSe誤差或處理內(nèi)SST總和st2k-1處理間F方差自由度平方和變異來(lái)源F＝st2se2∑ni-k

在作多重比較時(shí)，首先應(yīng)計(jì)算平均數(shù)的標(biāo)準(zhǔn)誤。由于各組內(nèi)觀測(cè)次數(shù)不等，因此應(yīng)需先算得各ni的平均數(shù)n0：各個(gè)處理的樣本容量用于LSR檢驗(yàn)用于LSD檢驗(yàn)用某種小麥種子進(jìn)行切胚乳試驗(yàn)，實(shí)驗(yàn)分為三種處理：整粒小麥（I），切去一半胚乳（II），切去全部胚乳（III），同期播種與條件較一致的花盆內(nèi)，出苗后每盆選留兩株，成熟后進(jìn)行單株考種，每株粒重結(jié)果如表，試進(jìn)行方差分析。處理株號(hào)合計(jì)平均數(shù)12345678910ⅠⅡIII21202429252224252822232525292130312627242626202120424414625.524.424.3小麥切胚乳試驗(yàn)單株粒重（g）處理株號(hào)合計(jì)平均數(shù)12345678910ⅠⅡIII21202429252224252822232525292130312627242626202120424414625.524.424.3小麥切胚乳試驗(yàn)單株粒重（g）n1

＝8，n2

＝10，n3

＝6，N＝24(1)平方和的計(jì)算SST＝∑x2–C=212+292+…+262-C=230.5SSe

＝SST-SSt

＝230.5-6.8＝223.7(2)自由度的計(jì)算(3)列方差分析表變異來(lái)源SSdfs2F處理間處理內(nèi)6.8233.72213.410.70.318總變異230.523由表中結(jié)果可知，F(xiàn)＜1，表明三種處理的每株粒重?zé)o顯著差異。

由于F檢驗(yàn)不顯著，不需要再作多重比較。如果F檢驗(yàn)顯著，則需要進(jìn)一步計(jì)算n0

，并求得（用于LSR檢驗(yàn)）或（用于LSD檢驗(yàn)），即x1x2-SxS

需要指出的是，不等觀測(cè)次數(shù)的試驗(yàn)要盡量避免，因?yàn)檫@樣的試驗(yàn)數(shù)據(jù)不僅計(jì)算麻煩，而且也降低了分析的靈敏度。

需要指出的是，不等觀測(cè)次數(shù)的試驗(yàn)要盡量避免，因?yàn)檫@樣的試驗(yàn)數(shù)據(jù)不僅計(jì)算麻煩，而且也降低了分析的靈敏度。在實(shí)際工作中經(jīng)常會(huì)遇到兩種因素共同影響試驗(yàn)結(jié)果的情況每一觀測(cè)值都是某一特定溫度與光照條件共同作用的結(jié)果。溫度光照B1B2…BcA1A1B1A1B2…A1

BcA2A2B1A2B2…A2

Bc……………ArAr

B1ArB2…ArBc第三節(jié)二因素方差分析試驗(yàn)指標(biāo)因素水平處理效應(yīng)一、相關(guān)概念一、相關(guān)概念試驗(yàn)指標(biāo)：衡量試驗(yàn)結(jié)果的標(biāo)準(zhǔn)豬的日增重小麥產(chǎn)量酶的活性試驗(yàn)指標(biāo)因素(factor)：也叫因子，是指對(duì)試驗(yàn)指標(biāo)有影響，在研究中加以（控制）考慮的試驗(yàn)條件?？煽匾蜃樱涸谠囼?yàn)中可以人為地加以調(diào)控的因子濃度、溫度等非控因子：不能人為調(diào)控的因素（氣象、環(huán)境等）固定因素：指因素的水平是經(jīng)過(guò)特意選擇的隨機(jī)因素：指因素的水平是從該因素水平總體中隨機(jī)抽出的樣本因素一、相關(guān)概念不同離子對(duì)木聚糖酶活性的影響(mg/ml)0.000.250.500.751.001.250.000.060.120.180.240.300.000.400.801.201.602.000.000.400.600.801.001.20Na+K+

Cu2+

Mn2+實(shí)驗(yàn)指標(biāo)因素水平(level)：每個(gè)因素的不同狀態(tài)（從質(zhì)或量方面分成不同的等級(jí)）因素是一個(gè)抽象的概念，水平則是一個(gè)較為具體的概念水平一、相關(guān)概念不同離子對(duì)木聚糖酶活性的影響(mg/ml)0.000.250.500.751.001.250.000.060.120.180.240.300.000.400.801.201.602.000.000.400.600.801.001.20Na+K+

Cu2+

Mn2+水平處理處理：指對(duì)試驗(yàn)對(duì)象施以不同的措施飼料種類魚(yú)增重（3個(gè)重復(fù)）ABCD31.927.931.824.825.726.822.123.627.327.030.829.0

對(duì)單因素試驗(yàn)而言，水平和處理是一致的，一個(gè)水平就是一個(gè)處理4種不同配合飼料對(duì)魚(yú)的飼養(yǎng)效果一、相關(guān)概念處理飼料中能量與蛋白質(zhì)的水平組合protein能量高低高低高高低高高低低低對(duì)多因素試驗(yàn)而言，處理就是指水平與水平的組合一、相關(guān)概念固定效應(yīng)(fixedeffect)：由固定因素所引起的效應(yīng)。隨機(jī)效應(yīng)(randomeffect)：由隨機(jī)因素引起的效應(yīng)。一、相關(guān)概念效應(yīng)定義：是指對(duì)試驗(yàn)指標(biāo)同時(shí)受到兩個(gè)試驗(yàn)因素作用的試驗(yàn)資料的方差分析。固定模型二因素都是固定因素隨機(jī)模型二因素均為隨機(jī)因素混合模型一個(gè)因素是固定因素，一個(gè)因素是隨機(jī)因素二因素方差分析主效和互作主效應(yīng)（maineffect）：各試驗(yàn)因素的相對(duì)獨(dú)立作用互作（interaction）：某一因素在另一因素的不同水平上所產(chǎn)生的效應(yīng)不同。因素間的交互作用顯著與否關(guān)系到主效應(yīng)的利用價(jià)值二因素間是否存在交互作用有專門(mén)的統(tǒng)計(jì)判斷方法，有時(shí)也可根據(jù)專業(yè)知識(shí)判斷。如果交互作用顯著，則各因素的效應(yīng)就不能累加，最優(yōu)處理組合的選定應(yīng)根據(jù)各處理組合的直接表現(xiàn)選定。有時(shí)交互作用相當(dāng)大，甚至可以忽略主效應(yīng)。如果交互作用不顯著，則各因素的效應(yīng)可以累加，各因素的最優(yōu)水平組合起來(lái)，即為最優(yōu)的處理組合。二因素方差分析無(wú)重復(fù)觀測(cè)值的二因素方差分析具有重復(fù)觀測(cè)值的二因素方差分析無(wú)重復(fù)觀測(cè)值的二因素方差分析依據(jù)經(jīng)驗(yàn)或?qū)I(yè)知識(shí)，判斷二因素?zé)o交互作用時(shí)，每個(gè)處理可只設(shè)一個(gè)觀測(cè)值，即假定A因素有a各水平，B因素有b個(gè)水平，每個(gè)處理組合只有一個(gè)觀測(cè)值。無(wú)重復(fù)觀測(cè)值的二因素方差分析因素A因素B總和Ti.平均數(shù)B1B2…BbA1x11x12…x1bT1.A2x21x22…x2bT2.…………………Aaxa1xa2…xabTa.總和T.jT.1T.2…T.bT平均數(shù)…無(wú)重復(fù)觀測(cè)值的二因素分組資料模式二因素方差分析的線性模型因素間不存在交互作用，所以二因素方差分析觀測(cè)值的線性模型是xij

=μ+αi

+βj

+εij

αi

和βj是A因素和B因素的效應(yīng)，可以是固定的，也可以是隨機(jī)的，且，εij是隨機(jī)誤差，彼此獨(dú)立且服從N(0，σ2)。i=1,2,…,a;

j=1,2,…,b（1）平方和的分解為：（2）與平方和相應(yīng)的自由度的分解為（4）F值的計(jì)算：（3）各項(xiàng)的方差分別為

將一種生長(zhǎng)激素配成M1，M2，M3，M4，M5五種濃度，并用H1，H2，H3三種時(shí)間浸漬某大豆品種的種子，出苗45天后的各處理每以植株的平均干物重（g）（下表）。試作方差分析與多重比較。濃度（A）時(shí)間（B）TiH1H2H3M11314144113.67M21212133712.33M333393.00M410910299.67M5254113.67T.j4043441278.08.68.88.47激素處理對(duì)大豆干物重的影響激素濃度和時(shí)間均為固定因素，適應(yīng)于固定模型。（1）平均和的計(jì)算：（2）自由度的計(jì)算（3）列出方差分析表，進(jìn)行F檢驗(yàn)變異來(lái)源dfSSs2FF0.05F0.01濃度間4289.0672.27116.56**3.847.01時(shí)間間誤差281.734.940.870.621.404.468.65總變異14295.73

F檢驗(yàn)結(jié)果表明，濃度間的F值大于F0.01，時(shí)間間的F值未達(dá)到顯著水平，表明不同激素濃度對(duì)大豆干物重有極顯著差異。（4）進(jìn)行多重比較（用SSR檢驗(yàn)）：由于只有濃度間的效應(yīng)達(dá)到了極顯著差異，時(shí)間間的效應(yīng)未達(dá)到顯著水平，只需對(duì)5種浸漬濃度進(jìn)行多重比較，可計(jì)算出濃度間的平均數(shù)標(biāo)準(zhǔn)誤均為

b=3是每一濃度的觀測(cè)值數(shù)目，如果要比較時(shí)間間的效應(yīng)，由于每一時(shí)間有a=5個(gè)觀測(cè)值，其平均數(shù)的標(biāo)準(zhǔn)誤應(yīng)為M2345SSR0.053.263.403.483.52SSR0.014.754.945.065.14SSR0.051.481.551.581.60SSR0.012.162.252.302.34不同濃度大豆干物重多重比較SSR和LSR值查SSR值表，當(dāng)dfe=8，M=2，3，4，5時(shí)的SSR值及由此計(jì)算的LSR值列于下表多重比較結(jié)果表明：5種生長(zhǎng)激素濃度對(duì)大豆干物重的影響有著極顯著的差異，除M1與M2，M5與M3之外差異不顯著外，其它濃度之間的大豆干物重均達(dá)到極顯著差異。5種激素濃度中，以M1和M2的處理效果較好。濃度平均數(shù)差異顯著性α＝0.05α＝0.01M1M2M3M4M513.6712.339.673.673.00aabccAABCC無(wú)重復(fù)觀測(cè)值的二因素方差分析，所估計(jì)的誤差實(shí)際上是這兩個(gè)因素的相互作用，這是在兩個(gè)因素不存在互作，或互作很小的情況下進(jìn)行估計(jì)的。但是，如果存在兩個(gè)因素的互作，方差分析中就不能用互作來(lái)估計(jì)誤差，必須在有重復(fù)觀測(cè)值的情況下對(duì)試驗(yàn)誤差進(jìn)行估計(jì)。

定義：是指對(duì)試驗(yàn)指標(biāo)同時(shí)受到兩個(gè)試驗(yàn)因素作用的試驗(yàn)資料的方差分析。二因素都是固定因素二因素均為隨機(jī)因素固定模型隨機(jī)模型混合模型一個(gè)因素是固定因素，一個(gè)因素是隨機(jī)因素二因素方差分析

三種模型在計(jì)算上類似，但在對(duì)待檢驗(yàn)及結(jié)果解釋時(shí)有所不同。二因素方差分析無(wú)重復(fù)觀測(cè)值的二因素方差分析具有重復(fù)觀測(cè)值的二因素方差分析無(wú)重復(fù)觀測(cè)值的二因素方差分析依據(jù)經(jīng)驗(yàn)或?qū)I(yè)知識(shí)，判斷二因素?zé)o交互作用時(shí)，每個(gè)處理可只設(shè)一個(gè)觀測(cè)值，即假定A因素有a個(gè)水平，B因素有b個(gè)水平，每個(gè)處理組合只有一個(gè)觀測(cè)值。無(wú)重復(fù)觀測(cè)值的二因素方差分析因素A因素B總和Ti.平均數(shù)B1B2…BbA1x11x12…x1bT1.A2x21x22…x2bT2.…………………Aaxa1xa2…xabTa.總和T.jT.1T.2…T.bT平均數(shù)…無(wú)重復(fù)觀測(cè)值的二因素分組資料模式二因素方差分析的線性模型因素間不存在交互作用，所以二因素方差分析觀測(cè)值的線性模型是xij

=μ+αi

+βj

+εij

αi

和βj是A因素和B因素的效應(yīng)，可以是固定的，也可以是隨機(jī)的，且，εij是隨機(jī)誤差，彼此獨(dú)立且服從標(biāo)準(zhǔn)正態(tài)分布N(0，σ2)。i=1,2,…,a;

j=1,2,…,b二因素方差分析的線性模型因素間不存在交互作用，所以二因素方差分析觀測(cè)值的線性模型是xij

=μ+αi

+βj

+εij

αi

和βj是A因素和B因素的效應(yīng)，可以是固定的，也可以是隨機(jī)的，且，εij是隨機(jī)誤差，彼此獨(dú)立且服從標(biāo)準(zhǔn)正態(tài)分布N(0，σ2)。i=1,2,…,a;

j=1,2,…,b（1）平方和的分解為：（2）與平方和相應(yīng)的自由度的分解為（4）F值的計(jì)算：（3）各項(xiàng)的方差分別為無(wú)重復(fù)觀測(cè)值的二因素方差分析，所估計(jì)的誤差實(shí)際上是這兩個(gè)因素的相互作用，這是在兩個(gè)因素不存在互作，或互作很小的情況下進(jìn)行估計(jì)的。但是，如果存在兩個(gè)因素的互作，方差分析中就不能用互作來(lái)估計(jì)誤差，必須在有重復(fù)觀測(cè)值的情況下對(duì)試驗(yàn)誤差進(jìn)行估計(jì)。二因素方差分析無(wú)重復(fù)觀測(cè)值的二因素方差分析具有重復(fù)觀測(cè)值的二因素方差分析具有重復(fù)觀測(cè)值的二因素方差分析具有重復(fù)觀測(cè)值的二因素方差分析具有重復(fù)觀測(cè)值的二因素試驗(yàn)的典型設(shè)計(jì)是：假定A因素有a水平，B因素有b水平，則每一次重復(fù)都包括ab次實(shí)驗(yàn)，設(shè)試驗(yàn)重復(fù)n次，資料模式在P98。二因素具有重復(fù)觀測(cè)值的方差分析用下面線性模型來(lái)描述：xijk

=μ+αi+βj+(αβ)ij+εijkA因素第i水平，B因素第j水平和第k次重復(fù)的觀測(cè)值總平均值A(chǔ)因素第i水平的效應(yīng)B因素第j水平的效應(yīng)αi

和βj的交互作用隨機(jī)誤差模型中εijk彼此獨(dú)立且服從標(biāo)準(zhǔn)正態(tài)分布（0,σ2）因試驗(yàn)共有n次重復(fù)，試驗(yàn)的總次數(shù)為abn次。方差分析步驟和前面介紹的相類似，唯一不同的是F檢驗(yàn)的方法。（1）平方和的分解為：A處理的樣本容量B處理的樣本容量A處理、B處理和A×B互作的平方和試驗(yàn)重復(fù)數(shù)（3）各項(xiàng)的方差分別為（2）自由度的分解為（4）F檢驗(yàn)：（ｂ）隨機(jī)模型：對(duì)于隨機(jī)模型，αi、βj、(αβ)ij

和εijk是相互獨(dú)立的隨機(jī)變量，都遵從正態(tài)分布。在F檢驗(yàn)時(shí)，先檢驗(yàn)A×B是否顯著：（a）固定模型：在固定模型中，αi

，βj及(αβ)ij

均為固定效應(yīng)。在F檢驗(yàn)時(shí)，A因素、B因素和A×B互作項(xiàng)均以Se2作為分母。檢驗(yàn)A、B時(shí)，有：（ｃ）混合模型（以A為固定因素，Ｂ為隨機(jī)因素為例）：在混合模型中，A和B的效應(yīng)為非可加性，αi

為固定效應(yīng)，βj及(αβ)ij

為隨機(jī)效應(yīng)。對(duì)A作檢驗(yàn)時(shí)同隨機(jī)模型，對(duì)B和A×B作檢驗(yàn)時(shí)同固定模型，即：在實(shí)際應(yīng)用中，固定模型應(yīng)用最多，隨機(jī)模型和混合模型相對(duì)較少。

為了研究某種昆蟲(chóng)滯育期長(zhǎng)短與環(huán)境的關(guān)系，在給定的溫度和光照條件下在實(shí)驗(yàn)室培養(yǎng)，每一處理記錄4只昆蟲(chóng)的滯育天數(shù)，結(jié)果列于表中，是對(duì)該材料進(jìn)行方差分析。光照（A）溫度（B）250C300C350C5h·d-1143138120107101100808389931017610h·d-1961037891796183598076616715h·d-1798396986071786467587183不同溫度及光照條件下某種昆蟲(chóng)滯育天數(shù)由于溫度和光照條件都是人為控制的，為固定因素，可依固定因素分析。將表中數(shù)字均減去80，整理得下表光照（Ａ）標(biāo)本號(hào)溫度（B）250C300C350C5h·d-112346358402721200391321－4271188443910h·d-112341623－211－1－193－210－4－19－13－2648－38－3615h·d-11234－131618－20－9－2－16－13－22－93－5236－47－41272－41－38193（1）平方和的分解為：（2）自由度的分解為結(jié)果列入方差分析表變異來(lái)源dfSSs2FF0.05F0.01光照間25367.062683.5321.94**3.355.49溫度間25391.062695.5322.03**3.355.49光照×溫度誤差427464.943303.25116.24122.340.952.734.11總變異35295.73

F檢驗(yàn)結(jié)果表明，濃度間和時(shí)間間的F值大于F0.01，它們的差異極顯著，即昆蟲(chóng)滯育期長(zhǎng)短主要決定于光照和溫度，而與兩者之間的互作關(guān)系不大。某昆蟲(chóng)滯育天數(shù)方差分析表要了解各種光照時(shí)間及溫度對(duì)滯育期的影響，需進(jìn)行不同光照間及不同溫度間的多重比較，其方法可參照前面例子進(jìn)行，但平均數(shù)標(biāo)準(zhǔn)誤的計(jì)算為：光照（A）間平均數(shù)標(biāo)準(zhǔn)誤，溫度（B）間平均數(shù)標(biāo)準(zhǔn)誤A處理的樣本容量B處理的樣本容量在啤酒生產(chǎn)中，為了研究烘烤方式（A）與大麥水分（B）對(duì)糖化時(shí)間的影響，選了兩種烘烤方式，4種水分共8種處理，每一處理重復(fù)三次，結(jié)果如下表。烘烤方式(A)水分(B)B1B2B3B4A112.09.516.018.013.010.015.519.014.512.514.017.0A25.013.017.515.06.514.018.516.05.515.016.017.5大麥水分是不均勻的，又不易控制，所以因素B是隨機(jī)的，它的效應(yīng)也是隨機(jī)的，因此本題是一個(gè)混合模型的方差分析。將上表中各觀測(cè)值都減去10，計(jì)算后得烘烤方式（A）標(biāo)本號(hào)水分（B）B1B2B3B4A112.0-5.06.08.051.023.00.05.59.034.52.54.07.09.52.015.524.0A21-5.03.07.55.039.52-3.54.08.56.03-4.55.06.07.5-13.012.022.018.5-3.51437.542.590.5（1）平方和的分解為：（2）自由度的分解為結(jié)果列入方差分析表變異來(lái)源dfSSs2FF0.05F0.01烘烤方式A15.5105.5100.15410.1934.12水分B3228.86576.28855.482**3.245.29A×B誤差316107.61522.00035.8721.37526.089**3.245.29總變異23363.99糖化時(shí)間方差分析表表中F的計(jì)算為：

F檢驗(yàn)結(jié)果表明，水分和的A×B的F值大于F0.01，大麥中的水分及水分與烘烤方式之間的互作對(duì)糖化時(shí)間的影響達(dá)到了極顯著水平，而烘烤方式對(duì)糖化時(shí)間的作用不顯著。在生產(chǎn)上應(yīng)注意大麥的含水量及根據(jù)含水量來(lái)選擇合適的烘烤方式。變異來(lái)源dfSSs2FF0.05F0.01烘烤方式A15.5105.5100.15410.1934.12水分B3228.86576.28855.482**3.245.29A×B誤差316107.61522.00035.8721.37526.089**3.245.29總變異23363.99第四節(jié)多因素方差分析實(shí)際工作中，往往需要考察三個(gè)或多個(gè)因素的效應(yīng)。這相當(dāng)于把二因素方差分析擴(kuò)展到一般情況。如在一個(gè)試驗(yàn)中