《协方差分析》.ppt

该【《协方差分析》 】是由【相惜】上传分享，文档一共【34】页，该文档可以免费在线阅读，需要了解更多关于【《协方差分析》 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。第四章协方差分析AnalysisofCovariance编辑课件方差分析中,所接触到的各种处理多数都是人为控制的。有时一些变量很难或者不可能人为控制,对于这种情况那么不能用第三章所述的方差分析方法,推断处理之间的差异而应用协方差分析的方法做推断。例如,在研究不同饲养条件下,动物的增重情况时,由于动物的原体重不同,如果只考虑饲料对增重的作用而不考虑原体重时增重的影响,显然是不全面的。动物的增重不仅与饲料有关,而且还与原体重有关。一般来讲,原体重高的增童较多,原体重低的增重较少,增重与原体重之间有回归关系,为了得到正确的结论,就要在排除原体重对增重的影响之后,推断处理的效应。这就是本章所要讨论的协方差分析。编辑课件在协方差分析中,通常将动物增重称为反响变量(responsevariable)Y,而与Y有线性回归关系的另一变量(原始体重)称为伴随变量(itantvariable)或协变量(covariate)X。协方差分析就是通过反响变量与协变量之间的线性关系,调整观察的反响变量。假假设不做这种调整,由于协变量的存在会使误差平方和加大,其结果有可能检验不出反响变量在不同处理之间所存在的真正差异。因此,协方差分析是一种调整无法控制又影响效应的变量的方差分析方法,是方差分析与回归分析的结合。在上述动物重实验中,很难将全部实验动物都选为具有相同体重的个体,动物的原体重是无法控制的变量,而原体重对增重又有明显的影响,使用协方差分析,便可排除原体重X对增重Y的影响,使结果更为可靠。编辑课件第一节具一个协变量的一种方式分组的协方差分析〔one-wayclassificationwithasinglecovariate〕?本节讨论协方差分析中最简单的一种情况,即以只有一个协变量的单因素实验设计的协方差分析为例,说明协方差分析的根本原理和计算方法。单因素协方差分析的统计模型是:编辑课件其中yij是第i次处理所得到的反响变量的第j次观察值。cij是相当于yij的协变量值。c··是cij的平均数,m是总平均数,ai是第i次处理效应,b是yij在cij上的线性回归系数,eij是随机误差成份。做协方差分析,需要满足以下几个条件:eij是服从正态分布的独立随机变量;b≠0,即yij与cij之间存在线性关系;各处理的回归系数都相同;处理效应之和等于零〔∑ai=0〕以及协变量不受处理效应的影响等。编辑课件从〔4·1〕式中可以看出:协方差分析的模型是方差分析和回归分析线性模型的结合。ai是单因素方差分析中的处理效应,b是回归分析中的回归系数。在〔4·1〕式中的协变量是以〔cij-c··〕的形式而不是以cij的形式表示的,因此参量m是总的平均值。统计模型的另一种形式是:其中m’并不等于总平均值。在这个模型中,总平均值为m-bc··。经常使用的模型是〔4·1〕式。编辑课件协方差分析需要计算以下一些量:编辑课件以上各式的符号:S、T和E分别表示总的、处理的误差的平方和及交叉乘积和。它们之间的关系可用通式S=T+E表示。仔细阅读并分析以上各式,弄清楚各式的意义,对下面的学****是有益的。编辑课件协方差分析的核心,就是通过协变量调整反响变量。下面讨论如何做这种调整。在统计模型〔4·1〕中,m的估计值为c··,b的估计值为b*,处理效应ai的估计值为ci·-c··-b*〔ci·-c··〕。其中,在这个模型中,误差平方和SSe为:具a(n-1)-1自由度。编辑课件实验误差均方由下式估计,假设实验不存在处理效应,模型〔4·1〕将变为:具an-2自由度,其中S2XY/SXX是由于Y和X的回归所产生的平方和。编辑课件