多因素方差分析.doc

多因素方差分析

多因素方差分析

PAGE

多因素方差分析

多因素方差分析

1.基本思想:用来研究两个及两个以上控制变量是否对观测变量产生显著影响。可以分析多个控制变量单独作用对观测变量的影响（这叫做主效应），也可以分析多个控制因素的交互作用对观测变量的影响（也称交互效应），还可以考虑其他随机变量是否对结果产生影响，进而最终找到利于观测变量的最优组合。

根据观测变量（即因变量）的数目，可以把多因素方差分析分为：单变量多因素方差分析（也叫一元多因素方差分析）与多变量多因素方差分析（即多元多因素方差分析）。

一元多因素方差分析:只有一个因变量，考察多个自变量对该因变量的影响。例如,分析不同品种、不同施肥量对农作物产量的影响时，可将农作物产量作为观测变量，品种和施肥量作为控制变量。利用多因素方差分析方法，研究不同品种、不同施肥量是如何影响农作物产量的，并进一步研究哪种品种与哪种水平的施肥量是提高农作物产量的最优组合。

多元多因素方差分析:是对一元多因素方差分析的扩展，不仅需要检验自变量的不同水平上，因变量的均值是否存在差异，而且要检验各因变量之间的均值是否存在差异。例如，用四个班级学生分别对两种教材、两种教学方法进行试验，除了要考虑着两种教材、两种教学方法的四种搭配以外，还要考虑四个班级学生的学习能力这些因素。

2.原理：通过计算F统计量，进行F检验。F统计量是平均组间平方和与平均组内平方和的比。 F

这里，把总的影响平方和记为SST，它分为两个部分，一部分是由控制变量引起的离差，记为SSA(组间离差平方和)，另一部分是由随机变量引起的SSE（组内离差平方和）。即SST=SSA+SSE。组间离差平方和SSA是各水平均值和总体均值离差的平方和，反映了控制变量的影响。组内离差平方和是每个数据与本水平组平均值离差的平方和，反映了数据抽样误差的大小程度。 通过F值看出，如果控制变量的不同水