11.4 方差分析

数学学习 · 爱知数学讲义

18
本章目录 · 4 节

本章导读

【11.4 方差分析】本节按原书的单因素、双因素无重复、双因素等重复顺序,用R执行方差分析。方差分析检验的是模型中的均值或效应,不是比较原始样本方差是否相等。各例使用独立正态误差、共同方差等相应模型;软件不会自动证明这些条件。

【一、单因素方差分析】把分组变量明确转为factor,使模型拟合各组均值,而不是把组号1、2、3等当作连续自变量拟合一条直线。数据框每一行对应一次观察,响应与组别必须逐项对应。aov返回拟合对象,summary输出方差分析表。

【例1 七个实验室的有效含量】七个实验室各测10次马来酸氯苯那敏有效含量,单位毫克,假设各组独立正态、具有共同方差。取检验对“不全相等”。

14.133.864.003.884.024.024.0024.073.854.023.883.953.864.0234.044.084.013.914.023.964.0344.074.114.013.953.893.974.0454.054.084.043.923.914.004.1064.044.013.993.974.013.823.8174.024.024.033.923.893.983.9184.064.043.973.903.893.993.9694.103.973.983.973.994.024.05104.043.953.983.904.003.934.06
例1 七个实验室全部70项原始观察,行号表示各组内的序号

【R代码】每行c中的10项对应一个实验室,顺序与数据表一致。

labs <- list(

c(4.13,4.07,4.04,4.07,4.05,4.04,4.02,4.06,4.10,4.04),

c(3.86,3.85,4.08,4.11,4.08,4.01,4.02,4.04,3.97,3.95),

c(4.00,4.02,4.01,4.01,4.04,3.99,4.03,3.97,3.98,3.98),

c(3.88,3.88,3.91,3.95,3.92,3.97,3.92,3.90,3.97,3.90),

c(4.02,3.95,4.02,3.89,3.91,4.01,3.89,3.89,3.99,4.00),

c(4.02,3.86,3.96,3.97,4.00,3.82,3.98,3.99,4.02,3.93),

c(4.00,4.02,4.03,4.04,4.10,3.81,3.91,3.96,4.05,4.06))

contents <- data.frame(value=unlist(labs), lab=factor(rep(1:7,each=10)))

fit <- aov(value~lab, data=contents)

summary(fit)

boxplot(value~lab, data=contents, xlab="Laboratory", ylab="Active content (mg)")

unlist将七组依次连接为70项;rep(1:7,each=10)把每个组号连续重复10次。若改成循环重复1至7,组别就会错误,虽可能仍能运行,却分析了另一份数据。

得到组间平方和约0.1247371429、自由度6,组内平方和0.2314、自由度63;组间均方约0.0207895238,误差均方约0.0036730159。,上尾。拒绝原假设,有证据说明至少一个实验室的总体均值不同,不能由整体检验直接断言所有实验室两两不同。

F60.1247371428570.02078952380955.660069144349.4528264485e-05630.23140.00367301587302--
例1 与R实际输出一致的方差分析表,保留更多精度用于核算
mg12345673.803.853.903.954.004.054.10
图11-3 七实验室箱线图,按R实际hinges和须线重绘;第1组4.13、第6组3.82、第7组3.81为图中的离群点
14.0204.0404.0554.0704.10023.8503.9504.0154.0804.11033.9703.9804.0054.0204.04043.8803.9003.9153.9503.97053.8903.8903.9704.0104.02063.8603.9303.9754.0004.02073.9103.9604.0254.0504.100
图11-3 七组的五个绘图位置,离群点另列,不把离群点当作须线端点

图中三项离群观察仍保留在全部70项方差分析中,没有为图形整齐而删除。若怀疑测量问题,应核查记录并说明处理依据;默认箱线图的离群标记不等于已证实的错误。

R输出Df为自由度,Sum Sq为平方和,Mean Sq为均方,F value为F统计量,Pr(>F)为对应上尾p值。显著性符号只是p值区间的简写,不能代替具体p值、效应大小及测量背景。(例完)

【例2 三种控制板布置的反应时间】按原书数据,方案Ⅰ8项为14,13,9,15,11,13,14,11;方案Ⅱ12项为10,12,7,11,8,12,9,10,13,9,10,9;方案Ⅲ8项为11,5,9,10,6,8,8,7。单位为十分之一秒。以检验三组总体均值是否相同。

11410112131253979415111051186613128714988111079-13-10-9-11-10-12-9-
例2 各组容量分别8、12、8,空位表示该组没有对应观察,不是0

R代码

time <- data.frame(x=c(14,13,9,15,11,13,14,11,10,12,7,11,8,12,9,10,13,9,10,9,11,5,9,10,6,8,8,7), A=factor(rep(1:3,times=c(8,12,8))))

fit <- aov(x~A, data=time)

summary(fit)

times=c(8,12,8)明确三个组号各重复多少次,不能仍用each给每组相同容量。总样本量28,三组均值12.5、10、8;组间平方和、自由度2,组内平方和90、自由度25。误差均方3.6,,,拒绝均值全相等的原假设。

FA281.428571428640.714285714311.30952380950.00031768103762725903.6--
例2 不等容量单因素方差分析,与原书和R结果逐项对应

该模型可处理此类不同组容量,但仍需共同误差方差等条件。整体拒绝只说明至少一个均值不同;具体哪些方案之间不同,需要另行设计并处理多重比较。(例完)

【二、双因素无重复试验】每个因素组合只有一项观察时,本节拟合加性模型。不含交互项是模型假设,不是通过这份无重复数据已经检验出来的事实。若拟合含全部交互的饱和模型,将没有独立误差自由度用于通常F检验。

【例3 时间与地点的颗粒状物含量】沿用9.2例3的4个时间、5个地点数据,按行排列为(76,67,81,56,51)、(82,69,96,59,70)、(68,59,67,54,42)、(63,56,64,58,37),单位沿原题取毫克每立方米。对时间、地点分别检验零主效应,显著性水平各为0.05。

R代码

particles <- data.frame(X=c(76,67,81,56,51,82,69,96,59,70,68,59,67,54,42,63,56,64,58,37), A=gl(4,5), B=gl(5,1,20))

fit <- aov(X~A+B, data=particles)

summary(fit)

gl是小写字母g与l,不是g与数字1。gl(4,5)生成4个水平、每水平连续5项,对应时间;gl(5,1,20)让5个地点依次循环到总长20。数据向量逐行输入,必须与这两个因子的排列一致。公式中的“+”表示两个主效应,不包含交互项。

时间平方和1182.95,自由度3;地点平方和1947.5,自由度4;残差平方和441.3,自由度12,误差均方36.775。时间、;地点、,均拒绝相应零主效应。

FA31182.95394.31666666710.72241105820.00103293132312B41947.5486.87513.2392929980.00023418356179412441.336.775--
例3 加性模型的R方差分析表,残差自由度12

结论是在加性、独立、共同方差等题设模型下,两种因素的相应均值差异有统计证据;并未检验时间地点交互。现实的重复环境观测可能存在相关,题目的示范计算不能自动证明独立性,也不能把差异本身直接当作因果效果。(例完)

【三、双因素等重复试验】每个因素组合有相同次数的独立重复时,可以在模型中同时包含主效应和交互。R公式X~A*B等价于X~A+B+A:B;乘号在这里表示公式展开,不是先把两组数据逐项相乘。

【例4 热处理时间、温度与产品强度】沿用9.2例2,A为时间、B为温度,各有2个水平,每格2次观察。为38.0、38.6,为47.0、44.8,为45.0、43.8,为42.4、40.8。分别以0.05检验时间主效应、温度主效应和交互项为零。

R代码

strength <- data.frame(X=c(38.0,38.6,47.0,44.8,45.0,43.8,42.4,40.8), A=gl(2,4,8), B=gl(2,2,8))

fit <- aov(X~A*B, data=strength)

summary(fit)

A前4项为水平1、后4项为水平2;B每个水平连续2项,循环到8项,对应各格两次重复。按这个顺序输入格内数据,不能改变观察顺序后仍保留原来的因素向量。

时间、温度、交互的平方和依次1.62、11.52、54.08,自由度各1;误差平方和4.60,自由度4,误差均方1.15。三个F依次约1.408695652、10.017391304、47.026086957,对应p约0.3009447124、0.0340196119、0.0023674656。

FA11.621.621.408695652170.300944712446B111.5211.5210.01739130430.0340196119068A:B154.0854.0847.02608695650.0023674656070144.61.15--
例4 完整主效应与交互模型的R方差分析表,不能把交互平方和随意并入误差

不拒绝时间的零边际主效应,拒绝温度的零边际主效应以及无交互的原假设。交互已显著,不能据时间边际p值大就说“时间完全没有作用”:温度差在第一个时间水平是,在第二个时间水平是,方向反转。应结合9.2的交互图理解,若研究某个温度下的时间差,应另设简单效应比较及其多重性处理。(例完)

【运行与解释】本节四份数据及分组已在R中实际运行,并用组均值分解、自由度和F尾概率独立核验。所有统计假设都应写成总体均值或效应的关系,不能仅用“有无显著差异”替代数学假设;不拒绝零效应不等于证明零效应成立。