5.1、实验步骤： 1．建立数据文件。 定义2个变量：PWK和DCGJSL，分别表示排污口和大肠杆菌数量。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“DCGJSL”进入“因变量”列表框，选择变量“PWK”进入“因子”列表框。
3．单击“确定”按钮，得到输出结果。 结果解读： 由以上结果可以看到，观测变量大肠杆菌数量的总离差平方和为460.438；如果仅考虑“排污口”单个因素的影响，则大肠杆菌数量总变差中，排污口可解释的变差为308.188，抽样误差引起的变差为152.250，它们的方差（平均变差）分别为102.729和12.688，相除所得的F统计量的观测值为8.097，对应的概率P值为0.003。在显著性水平α为0.05的情况下。由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的排污口对大肠杆菌数量产生了显著影响，它对大肠杆菌数量的影响效应不全为0。 因此，可判断各个排污口的大肠杆菌数量是有差别的。 5.2、实验步骤： 1．建立数据文件。 定义2个变量：Branch和Turnover，分别表示分店和日营业额。将Branch的值定义为1=第一分店，2=第二分店，3=第三分店，4=第四分店，5=第五分店。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“Turnover”进入“因变量”列表框，选择变量“Branch”进入“因子”列表框。
3．单击“确定”按钮，得到输出结果。
结果解读： 由以上结果可以看到，观测变量日营业额的总离差平方和为1187668.733；如果仅考虑“分店”单个因素的影响，则日营业额总变差中，分店可解释的变差为366120.900，抽样误差引起的变差为821547.833，它们的方差（平均变差）分别为91530.225和14937.233，相除所得的F统计量的观测值为6.128，对应的概率P值近似为0。在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的分店对日营业额产生了显著影响，它对日营业额的影响效应不全为0。 因此，在α＝0.05的显著性水平下，“这五个分店的日营业额相同”这一假设不成立。 5.3、实验步骤： 1．建立数据文件。 定义3个变量：weight和method，分别表示幼苗干重（mg）和处理方式。将method 的值定义为1=HCI，2=丙酸，3=丁酸，4=对照。 2. 选择菜单“分析→比较均值→单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“，method”进入“因变量”列表框，选择变量“weight”进入“因子”列表框。在“两两比较”选项中选择LSD、Bonferroni 和Scheffe方法。
单因素实验设计报告 :因素实验报告设计单因素实验设计举例正交实验单因素实验设计方案篇一:实验报告单因素方差分析 5.1、实验步骤: 1(建立数据文件。 定义2个变量:PWK和DCGJSL，分别表示排污口和大肠杆菌数量。 2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“DCGJSL”进入“因变量”列表框，选择变量“PWK”进入“因子”列表框。 3(单击“确定”按钮，得到输出结果。 结果解读: 由以上结果可以看到，观测变量大肠杆菌数量的总离差平方和为460.438;如果仅考虑“排污口”单个因素的影响，则大肠杆菌数量总变差中，排污口可解释的变差为308.188，抽样误差引起的变差为152.250，它们的方差(平均变差)分别为102.729和12.6 88，相除所得的F统计量的观测值为8.097，对应的概率P值为0.003。在显著性水平α为0.05的情况下。由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的排污口对大肠杆菌数量产生了显著影响，它对大肠杆菌数量的影响效应不全为0。 因此，可判断各个排污口的大肠杆菌数量是有差别的。 5.2、实验步骤: 1(建立数据文件。 定义2个变量:Branch和Turnover，分别表示分店和日营业额。将Branch的值定义为1=第一分店，2=第二分店，3=第三分店，4=第四分店，5=第五分店。
2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“Turnover”进入“因变量”列表框，选择变量“Branch”进入“因子”列表框。 3(单击“确定”按钮，得到输出结果。 结果解读: 由以上结果可以看到，观测变量日营业额的总离差平方和为1187668.733;如果仅考虑“分店”单个因素的影响，则日营业额总变差中，分店可解释的变差为366120.900，抽样误差引起的变差为821547.833，它们的方差(平均变差)分别为91530.225和14937.233，相除所得的F统计量的观测值为6.128，对应的概率P 值近似为0。在显著性水平α为0.05的情况下，由于概率P值小于显著性水平α，则应拒绝零假设，认为不同的分店对日营业额产生了显著影响，它对日营业额的影响效应不全为0。 因此，在α,0.05的显著性水平下，“这五个分店的日营业额相同”这一假设不成立。 5.3、实验步骤: 1(建立数据文件。 定义3个变量:weight和method，分别表示幼苗干重(mg)和处理方式。将method的值定义为1=HCI，2=丙酸，3=丁酸，4=对照。 2. 选择菜单“分析?比较均值?单因素”,弹出“单因素方差分析”对话框。在对话 框左侧的变量列表中，选择变量“，method”进入“因变量”列表框，选择变量“weight”进入“因子”列表框。在“两两比较”选项中选择LSD、Bonferroni和Scheffe方法。 3(单击“确定”按钮，得到输出结果。
三因素实验设计 对三因素重复测量实验设计进行数据处理 一、三因素完全随机实验设计数据处理 过程： 1、打开SPSS软件，点击Data View ，进入数据输入窗口，将原始数据输入SPSS 表格区域； 2、在菜单栏中选择分析→一般线性模型→单变量； 3、因变量Dependent Variable方框中放入记忆成绩（JY），固定变量（Fixed Factor(s)）方框中，放入自变量记忆策略、有无干扰和材料类型； 4、点击选项（Options）按钮，选择Descriptive statistics，对数据进行描述性统计；选择Homogeneity tests，进行方差齐性检验； 5.结果分析： 描述性统计量 因变量:记忆成绩 记忆策略有无干扰材料类型均值标准偏差N 联想策略d i m e n s i o n 2无干扰实物图片5图形图片5 总计10有干扰实物图片5图形图片.894435 总计10总计实物图片10图形图片10 总计20 复述策略d i m e n s i o n 2无干扰实物图片5图形图片5 总计10有干扰实物图片5图形图片.836665 总计10总计实物图片10图形图片10 总计20 总计d i m e n 无干扰实物图片10图形图片10 总计20有干扰实物图片10图形图片10
s i o n 2 总计20总计实物图片20图形图片20 总计40 被试间变量效应检验结果：A、B、C的主效应均极显着（P<）；AB 交互效应显着； AC 交互效应极显着；BC 交互效应不显着；ABC 交互效应极显着。对于二阶与三 阶交互效应显着的，还需进行简单效应与简单简单效应检验。 主体间效应的检验 因变量:记忆成绩 源 III 型平方和df均方F Sig. 校正模型7.000截距1.000 A1.000 B1.000 C1.001 A * B1.037 A * C1.007 B * C1.146 A * B * C1.002误差32 总计40 校正的总计39
试验设计与统计分析 案例分析报告 专业学号姓名成绩 一、多因素试验资料的方差分析——随机区组设计 表1 大豆三因素随机区组试验结果（kg） 品种A 播期B 6000株/亩C1 5000株/亩C2 4000株/亩C3 ⅠⅡⅢⅠⅡⅢⅠⅡⅢ A1 B1 B2 6.0 6.4 6.2 5.0 4.1 4.3 6.0 5.0 5.2 4.3 4.1 3.8 5.0 4.2 4.3 3.1 2.7 3.3 A2 B1 B2 1.5 1.0 1.9 1.2 1.0 1.4 2.1 1.4 1.9 1.5 1.8 2.4 3.5 2.7 3.3 2.5 3.2 3.3 表2 方差分析表 变异来源平方和df 均方F值p值区组0.852 2 0.426 3.3201 0.0549 品种57.254 1 57.254 446.402** 0.0001 播期 5.921 1 5.921 46.1658** 0.0001 密度0.112 2 0.056 0.4353 0.6525 品种×播期 4.410 1 4.410 34.3839** 0.0001 品种×密度17.087 2 8.544 66.6129** 0.0001 播期×密度0.221 2 0.110 0.8598 0.437 品种×播期×密度0.012 2 0.006 0.0455 0.9556 误差 2.822 22 0.128 总和88.690 35 注：*表示在5%显著水平达到显著，**表示在1%显著水平达到显著
表3 不同密度下产量的多重比较 密度/株/亩大豆产量 4000 3.42±0.74 a A 6000 3.33±2.20 a A 5000 3.29±1.62 a A 注：小写字母代表5%显著水平，大写字母代表1%显著水平。 【解释说明】 方差分析结果表明，品种、播期、品种和播期的互作、品种和密度的互作效应均达到了极显著水平，而密度因素对大豆产量的影响不显著。
第十一章随机区组试验 知识目标： ●掌握随机区组试验田间试验设计方法； ●掌握随机区组排列田间试验结果统计分析方法。 技能目标： ●学会随机区组试验设计； ●能够绘制随机区组设计田间布置图； ●学会随机区组试验结果统计分析。 随机区组试验设计是把试验各处理随机排列在一个区组中，区组内条件基本上是一致的，区组间可以有适当的差异。随机区组试验由于引进了局部控制原理，可以从试验的误差方差中分解出区组变异的方差（即由试验地土壤肥力、试材、操作管理等方面的非处理效应所造成的变异量），从而减少试验误差，提高F检验和多重比较的灵敏度和精确度。随机区组试验也分为单因素和复因素两类。本节只介绍单因素和二因素随机区组试验的方差分析方法， 第一节单因素随机区组试验和统计方法 一、随机区组设计 随机区组设计（randomized blocks design）是根据“局部控制”和“随机排列”原理进行的，将试验地按肥力程度等性质不同划分为等于重复次数的区组，使区组内环境差异最小而区组间环境允许存在差异，每个区组即为一次完整的重复，区组内各处理都独立地随机排列。这是随机排列设计中最常用、最基本的设计。 区组内各试验处理的排列可采用抽签法或随机数字法。如采用随机数字法，可按照如下步骤进行： （1）当处理数为一位数时，这里以8个处理为例，首先要将处理分别给以1、2、3、4、5、6、7、8的代号，然后从随机数字表任意指定一页中的一行，去掉0和9及重复数字后，即可得8个处理的排列次序。如在该表1页第26行数字次序为0056729559，3083877836，8444307650，7563722330，1922462930 则去掉0和9以及重复数字而得到56723841，即为8个处理在区组内的排列。完成一个区组的排列后，再从表中查另一行随机数字按上述方法排列第二区组、第三区组……，直至完成所有区组的排列。 （2）当处理数多于9个为两位数时，同样可查随机数字表。从随机数字表任意指定一页
“氮肥磷肥组合” “区组”，如图所示: 上机操作3随机区组试验设计与 spss 分析 习题2 :氮肥和磷肥对葡萄产量的影响试验，采用随机区组试验。氮 肥三个水平：对照，不施肥，每株施尿素 1公斤，每株施尿素2公 斤；磷肥三个水平：不施肥，每株过磷酸钙 2.5公斤，每株过磷酸钙 5公斤。重复4次（4个区组），试分析是氮肥或磷肥对葡萄产量的 影响。 "处区组 i n 出 IV a i b i 2i i9 23 i8 a i b 2 26 28 30 29 a i b 3 30 30 26 32 a 2b i 26 30 28 27 a 2b 2 35 32 29 37 a 2b 3 32 34 35 35 a 3b i 28 27 33 32 a 3b 2 40 45 4i 43 a 3b 3 50 48 47 50 1、假设：H0氮肥和磷肥对葡萄产量无影响 H1氮肥和磷肥对葡萄产量无影响 2、定义变量，输入数据 定义变量 、“氮肥”、“磷肥”
sit 小效 I is 呵 40 $ Q b 2 令 0 & 尺虞 * g 0 8 右 a a Q 8 G a Q — 8 3 尺度 输入数据，如图所示： 3、 分析过程： 过程1 :氮肥、磷肥作用分析 分析一一常规线性模型一一单变量一一将“产量”移 入因变量，将“区组”、“氮肥”、“磷肥”移入固定因子一 —模型：指定模型选“定制”；建立项选择“主效应”，将 “区组”、“氮肥”、“磷肥”移入模型内；建立项选择“交互” 肥”同时选中，移入模型内；平方和选择“类型川”一一继续 均值中移入“氮肥”、“磷肥” 继续 两两比较：两两比较检验中移入“氮 肥”、“磷肥”，假定方差齐性勾选“ LSD ” 一一继续一一确定 过程2 :氮肥、磷肥交互作用分析 分析一一常规线性模型一一单变量一一将“产量”移入因变量，将“区 组”、“氮肥磷肥组合”移入固定因子一一模型：指定模型选“定制” ；建立项选 择“主效应”，将“区组”、移入模型内；建立项选择“交互”，将“氮肥磷肥组 合”移入模型内；平方和选择“类型川”一一继续一一选项：显示均值中移入 “氮肥磷肥组合”一一继续一一两两比较：两两比较检验中移入“氮肥磷肥组 合”，假定方差齐性勾选“ LSD ” 一一继续一一确定 4、 输出结果，分析 ，将“氮肥”、“磷 -选项：显示
单因素试验设计是指只有一个因素（或仅考查一个因素）对试验指标构成影响的试验。单因素试验设计要求对试验水平进行布局和优化，是一种水平试验设计。 单因素试验设计方法可分为两类：同时试验设计和序贯试验设计。同时试验设计就是一次给出全部试验水平，一次完成全部试验并得到最佳试验结果，如穷举试验设计。序贯试验设计要求分批进行试验，后批试验需根据前批试验结果进一步优化后序贯进行，直到获取最佳试验结果，如平分试验设计、黄金分割试验设计。 一、试验范围与试验精度 （一）试验范围 试验范围指试验水平的范围。试验设计时需预先确定试验范围，一般采用两种方法：○ 1经验估计。可凭经验估计试验范围，并在试验过程中作调整。○2预先试验。要求在较大范围 内进行探索，通过试验逐步缩小范围。 （二）试验间隔与试验精度 试验间隔是指试验水平的间距，试验精度是指试验结果逼近最佳水平的程度。显然，试验间隔与试验精度是一对矛盾，试验间隔越大，试验精度越低。在保证试验精度的条件下，试验水平变化而引起的试验结果变动必须显著地超过试验误差。 （三）试验顺序 在确定试验顺序时，往往习惯于按照试验水平高低依次做试验。这样，随着试验的进行，有些因素会发生缓慢变化甚至影响试验结果。因此，正确的做法是采用随机化方法来确定试验顺序。在试验工作量较少或者试验准确度要求较低时，也可以采用按水平高低或者选取中间试验点的方法来进行试验排序。 需强调指出，以上不仅对单因素试验设计，而且对所有试验设计方法都适用。 二、单因素试验设计 （一）平分试验设计 平分试验设计就是平分试验范围，把其中间点作为新试验点，然后不断缩小试 验范围直到找到最佳条件。当试验结果呈单向变化时，也就是说最佳试验点只可能在试验中间点的一侧，可采用平分试验设计。该方法简便易行，但要注意单向性特征。 （二）穷举试验设计与均分试验设计 穷举试验设计是将所有可能的试验点在一批试验中全部进行试验。均分试验设 计是根据试验精度要求，均分整个试验范围以获得所有试验点。显然，均分试验设计不仅充分体现了穷举试验设计的思想，而且也明确了具体试验设计方法。 如试验起始点为a ，终点为b ，试验点的间隔区间为L ，则均分试验设计的试 验点数n 为 1L a b n +-= （1-1） 该试验设计的特点是对所试验的范围进行“普查”，试验点数量较多，宜用于 对目标函数性质没有掌握或很少掌握的情况。 （三）黄金分割试验设计 黄金分割试验设计就是在预定试验范围内采用0.618黄金分割原理安排新试验 点，直到找到最佳试验结果为止，因而又称0.618试验设计。黄金分割就是在特定范围内寻求黄金分割点（k ）及对称点（1-k ）。在0~1的试验范围内，黄金分割点（k ）为0.618，其对称点（1-k ）为0.382。 黄金分割点试验设计涉及两个层面，一是已知试验范围内的黄金分割点的寻 求，二是新试验范围的确定与进一步寻优。如图1-1所示，首先在试验范围（a ，b ）内，按照0.618黄金分割原理安排两个试验点x 1、x 2；然后根据试验结果确定进一
单因素实验设计 单因素实验设计是指在实验中只有一个研究因素，即研究者只分析一个因素对效应指标的作用，但单因素实验设计并不是意味着该实验中只有一个因素与效应指标有关联。单因素实验设计的主要目标之一就是如何控制混杂因素对研究结果的影响。常用的控制混杂因素的方法有完全随机设计、随机区组设计和拉丁方设计等。 一、完全随机设计 1.概念与特点 又称单因素设计或成组设计，是医学科研中最常用的一种研究设计方法，它是将同质的受试对象随机地分配到各处理组进行实验观察，或从不同总体中随机抽样进行对比研究。该设计适用面广，不受组数的限制，且各组的样本含量可以相等，也可以不相等，但在总体样本量不变的情况下，各组样本量相同时的设计效率最高。 例如：为了研究煤矿粉尘作业环境对尘肺的影响，将18只大鼠随机分到甲、乙、丙3组，每组6只，分别在地面办公楼、煤炭仓库和矿井下染尘，12周后测量大鼠全肺湿重（g），通过评价不同环境下大鼠全肺平均湿重推断煤矿粉尘对作用尘肺的影响，具体的随机分组可以如下实施： 第一步：将18只大鼠编号：1，2，3， (18) 第二步：可任意设置种子数，但应作为实验档案记录保存（本例设置spss11.0软件的种子数为200）； 第三步：用计算机软件一次产生18个随机数，每个随意数对应一只老鼠（本例用spss11.0软件采用均匀分布最大值为18时产成的18个随机数）； 第四步：最小的6个随机数对应编号的大鼠为甲组，排序后的第7个至第12个随机数随因编号为乙组，最大的6个随机数对应编号的大鼠为丙组（结果见表1）。 表1 分配结果 编号 1 2 3 4 5 6 7 8 9 3.75 8.75 16.29 11.12 5.49 3.98 13.64 16.71 1.69 随机 数 组别甲乙丙乙乙甲丙丙甲 编号10 11 12 13 14 15 16 17 18 13.62 16.36 2.12 4.74 11.54 3.98 0.13 17.35 16.38 随机 数 组别丙丙甲乙乙甲甲丙丙 2.随机数的产生方法 （1）随机数字表：如附表13（马斌荣，医学统计学，第4版），这是一个由0～9十个数字组成60行25列的数字表。说这些数字是随机的，是因为十个数字出现的频率近似相同，且出现的次序也没有规律。欲获得随机数，则事先根据研究性质确定随机数的位数，然后任意指定行和列，按事先确定的方向和方法读取随机数。如：将符合实验要求的20只动物随
东北农业大学本科课程教学大纲 课程名称：田间试验与统计方法 英文名称：Field Experiment and Statistic-method 课程编号：01600008j 适用专业：草业科学、植物生产类 总学时数：40 总学分：2.5 大纲主撰人：李文霞 内容简介 《试验设计与统计分析》是一门收集整理数据、分析数据, 并根据数据进行推断的科学。本课程为高等农业院校农学类专业的专业基础课，主要讲授有关田间试验的基本知识和统计分析的基本方法和技能，为学习专业课程奠定基础，使学生具备承担科学试验，正确分析和评价科学试验结果及其可靠性的能力。 教学大纲 一、课堂讲授部分 （一）分章节列出标题、各章节要点及授课时数（务必将要点写清楚） 第1章绪论 一、基本内容 1.1 农业科学试验的任务和要求1学时 1.1.1 农业科学试验和田间试验 1.1.2 农业科学试验的任务和来源 1.1.3 农业科学试验的基本要求 1.2 试验误差及其控制2学时 1.2.1 试验误差 1.2.2 试验误差的来源 1.2.3试验误差的控制 1.3 生物统计学与农业科学试验1学时 1.3.1 部分生物统计学基本概念 1.3.2 生物统计学的形成与发展 1.3.3 生物统计学在农业科学试验中的作用和注意问题 二、教学目的与要求 要求学生掌握农业科学试验的基本要求、试验误差的概念、来源和控制、部分生物统计学的概念，了解农业科学试验的任务和来源、生物统计学在农业科学试验中的作用和注意问题。 三、重点与难点 重点：农业科学试验的基本要求、试验误差的概念、来源和控制、部分生物统计学的概念
难点：试验误差的概念和生物统计学的基本概念的理解 第2章试验的设计和实施 一、基本内容 2.1 试验方案1学时 2.1.1 试验方案的概念和类别 2.1.2 处理效应 2.1.3 试验方案的设计要点 2.2 试验设计原则 1.5学时 2.2.1 重复 2.2.2 随机排列 2.2.3 局部控制 2.3 小区技术0.5学时 2.3.1 小区 2.3.2 区组和小区的排列 2.3.3 保护行 2.4 常用的试验设计1学时 2.4.1 对比法设计 2.4.2 间比法设计 2.4.3 完全随机设计 2.4.4 随机区组设计 2.4.5 拉丁方设计 2.4.6 裂区设计 2.5 试验的实施（学生自学） 2.6 田间抽样（学生自学） 二、教学目的与要求 要求学生掌握试验方案、试验设计原则、小区技术和常用的试验设计，自学试验的实施和田间抽样。 三、重点与难点 重点：试验方案、试验设计原则、小区技术和常用的试验设计。 难点：试验设计原则、小区技术、试验方案的设计要点的理解。 第3章描述性统计 一、基本内容 3.1 次数分布 1.5学时 3.1.1次数分布表 定量资料、定性资料 3.1.2次数分布图 柱形图、多边形图 3.1.3其它常用统计图 结合Excel的作图向导讲解，重点柱形图和折线图 3.2 平均数1.5学时
一、可重复单因素随机区组试验设计 8个小麦品种的产比试验，采用随机区组设计，3次重复，计产面积25平米，产量结果如下，进行方差分析和多重比较。 表1 小麦品比试验产量结果（公斤） 2、执行：分析-一般线性模型-单变量。
3、将产量放进因变量，品种和区组放进固定因子。 4、单击模型，选择设定单选框，将品种和区组放进模型中，只分析主效应。
5、在两两比较中进行多重比较，这里只用分析品种。可以选择多种比较方法。 6、分析结果。 这里只须看区组和品种两行，两者均达到显著水平，说明土壤肥力和品种均影响产量结果。 下面是多重比较，只有方差分析达到显著差异才进行多重比较。
多个比较因变量: 产量 (I) 品种(J) 品种均值差值 (I-J) 标准误差Sig. 95% 置信区间 下限上限 LSD 1.00 2.00 -1.6333 1.04591 .141 - 3.8766 .6099 3.00 -.6333 1.04591 .555 -2.8766 1.6099 4.00 .7667 1.04591 .476 -1.4766 3.0099 5.00 -3.4333* 1.04591 .005 -5.6766 -1.1901 6.00 -.1000 1.04591 .925 -2.3433 2.1433 7.00 -1.1333 1.04591 .297 -3.3766 1.1099 8.00 -.6333 1.04591 .555 -2.8766 1.6099 2.00 1.00 1.6333 1.04591 .141 -.6099 3.8766 3.00 1.0000 1.04591 .355 -1.2433 3.2433 4.00 2.4000* 1.04591 .038 .1567 4.6433 5.00 -1.8000 1.04591 .107 -4.0433 .4433 6.00 1.5333 1.04591 .165 -.7099 3.7766 7.00 .5000 1.04591 .640 -1.7433 2.7433 8.00 1.0000 1.04591 .355 -1.2433 3.2433 3.00 1.00 .6333 1.04591 .555 -1.6099 2.8766 2.00 -1.0000 1.04591 .355 - 3.2433 1.2433 4.00 1.4000 1.04591 .202 -.8433 3.6433 5.00 -2.8000* 1.04591 .018 -5.0433 -.5567 6.00 .5333 1.04591 .618 -1.7099 2.7766 7.00 -.5000 1.04591 .640 -2.7433 1.7433 8.00 .0000 1.04591 1.000 -2.2433 2.2433 4.00 1.00 -.7667 1.04591 .476 -3.0099 1.4766 2.00 -2.4000* 1.04591 .038 -4.6433 -.1567 3.00 -1.4000 1.04591 .202 -3.6433 .8433 5.00 -4.2000* 1.04591 .001 - 6.4433 -1.9567 6.00 -.8667 1.04591 .421 -3.1099 1.3766 7.00 -1.9000 1.04591 .091 -4.1433 .3433 8.00 -1.4000 1.04591 .202 -3.6433 .8433 5.00 1.00 3.4333* 1.04591 .005 1.1901 5.6766 2.00 1.8000 1.04591 .107 -.4433 4.0433 3.00 2.8000* 1.04591 .018 .5567 5.0433 4.00 4.2000* 1.04591 .001 1.9567 6.4433 6.00 3.3333* 1.04591 .007 1.0901 5.5766
第16章随机区组设计和析因设计资料的分析 思考与练习参考答案 一、选择题 1．对于随机区组设计资料，应用单因素方差分析与用随机区组方差分析的结果相比，（ A ）。 A. 两种方法适用的资料不同而不可比 B. 检验效果不能确定 C. 两种方法都可以用 D. 两种方法检验效果相同 E. 以上均不对 2．在某项实验中欲研究A、B两因素对某观测指标的影响，A、B两因素分别有2个和3个水平，观测指标为数值型变量，假设检验的方法应选用（ D ）。 A. 随机区组设计资料的方差分析 B. 析因设计资料的方差分析 C. Friedman检验 D. 根据设计类型、资料分布类型、变异情况和研究目的等选择的检验方法。 E. 以上均不对 3. 与完全随机设计及其方差分析相比，随机区组设计及其方差分析可以使其（ A ）。 A. 变异来源比前者更多 B. 误差一定小于前者 C. 前者的效率高于后者 D. 影响因素的效果得到分析 E. 以上说法都不对 4．下面说法中不正确的是（ D ）。 A．方差分析可以用于两个样本均数的比较 B．完全随机设计更适合实验对象的混杂影响不太大的资料 C．在随机区组设计中，每一个区组内的例数都等于处理数 D．在随机区组设计中，区组内及区组间的差异都是越小越好 E．以上均不对 5．配对t检验可用（ B ）来替代。 A．完全随机设计资料的方差分析 B．随机区组设计资料的方差分析 C．A、B两种方差分析都可以 D．析因设计的方差分析 E．以上都不可以 二、思考题 1．随机区组设计与完全随机设计资料在设计和分析方面有何不同？ 答：在设计上，与后者比，前者在设计阶段按照一定条件将受试对象配成区组，平衡了某些因素效应对处理因素效应的影响，更好地控制了其他因素对处理因素效应的影响，设计效率较高。
来关于随机区组和被试内实验设计以及对应的方差分析的问题，多人追问不止。既自觉已思路清晰、天下无敌。特本着一半自己再梳理一下，一半友好互助的形式小写个群邮件，充个英勇，让大家也分享下。定是不足与不当多多，盼批评指正。 相信把这个东西认真看完，思路不清晰的童鞋马上也会思路清晰起来。 看似很复杂，实际上我尽全力做到深入浅出，因此，相信只要是地球人都可以看得懂。 一、随机区组的被试分配： a1 a2 区组 b1 b2 b1 b2 1 1 4 7 10 2 2 5 8 11 3 3 6 9 12 数据刻意简单化，不合理没有关系。 是个2*2随机区组设计，3个区组。 如何分配被试？首先，随机区组的每个区组的被试应该是有差异的，否则就不需要分区组了，直接完全随机就可以了。 因此随机区组的前提是：区组间异质，而区组内的被试尽可能同质。 被试有以下几个情况： 第一分配方式：假设该实验的被试总个数为24个，每个区组的被试为8个。他可以有两种分配方式 1、将每组中的任意每2个被试随机接受一种处理，2*4=8 2、8人同时接受所有的处理，1*8=8 需要注意的三个问题： 1、一般都用第一种情况，第二种不用，因为区组内的这8个人本来就是理论上的同质的，所以只要把他们分开，随机接受不同的处理就能说明问题，这样可以省时，省钱，还能避免每个人由于重复测量导致的额外变量的增加。
2、它强调了区组内的被试随机接受不同的实验处理，也因此叫随机区组。 3、它要求每个区组的被试单位应该是实验处理水平的整数倍。如8/4=2 第二种分配方式：假设该实验的被试一共是3个，就是说，一个被试为一个区组。那么每个区组的这个被试全部接受实验的4个不同水平的处理。这个时候就需要平衡实验的顺序，防止一个人不短的被实验而出现的顺序效应，如何平衡，一般用“ABBA”或所谓的“拉丁方”。 第三种分配方式：当一个大团体（如学校）为一个区组的时候，而大团体中又有小团体的时候（如学校中的班级），通常让一个小团体接受一种处理。例如：ABC分别是不同的三个学校，他们各自为一个区组，那么A学校是区组一， A学校就要抽四个班级出来，每个班级随机接受一种实验处理。 注意：传统的观点认为上述“第二种方式”----一个被试为一个区组的情况不叫区组，叫被试内设计，就是因为每个被试都接受了不同的实验处理，因此没有随机可言。其具体的方差分析和随机区组的方差分析也有所差别。表现在SS残差的是否细分。具体往下看。 二、随机区组的方差分析 还是那个例子： a1 a2 b1 b2 b1 b2 区组处理1 处理2 处理3 处理4 1 1 4 7 10 2 2 5 8 11 3 3 6 9 12 假定研究某种药物对某种操作的影响 自变量A（药物）有两个水平，药物分别是0单元和2单元 自变量B（实验环境）有两个水平，环境1和环境2。 分别取三个不同层次的个体，分别是：少年、青年、老年。
毕业论文（设计） 题目竹叶中多糖的提取方法研究指导老师汪洪 专业班级食品营养与检测112 姓名戴晓鹏 学号 20117100203 2014年5月28日
摘要：本研究以竹叶为研究对象，通过单因素试验和正交试验观察了温度、时间、固液比、提取次数对多糖提取率的影响，比较了水提、超声波提取和微波提取三种提取方法对竹叶多糖得率的影响。结果表明，水提最佳浸提参数：温度80℃，时间90min，固液比1:25，浸提次数3次。超声波提取最佳浸提参数为：温度70℃，时间20min，固液比1:20，浸提次数3次。微波提取最佳浸提参数为：微波功率500W，固液比1:15，时间2min，浸提次数3次。最佳提取工艺方法是超声波提取，条件是温度70℃，时间20min，固液比1:20，浸提3次。 关键词：水提；超声波；微波；沉淀；提取次数
目录 引言 (1) 1材料与仪器 (2) 1.1实验材料 (2) 1.2实验试剂 (2) 1.3实验仪器 (2) 2 实验方法 (3) 2.1竹叶多糖提取工艺流程 (3) 2.2样品中多糖含量的测定 (3) 2.3浸提条件对多糖提取效果的影响 (4) 2.3.1单因素试验 (4) 2.3.2浸提工艺正交试验 (4) 2.3.3不同浸提方法的比较研究 (5) 2.4分析方法 (5) 3 结果与分析 (5) 3.1 单因素试验结果 (5) 3.1.1温度对多糖得率的影响 (5) 3.1.2时间对多糖得率的影响 (6) 3.1.3固液比对多糖得率的影响 (6) 3.1.4提取次数对多糖得率的影响 (7) 3.1.5乙醇浓度对多糖得率的影响 (8) 3.2正交试验 (9) 3.2.1水提工艺正交试验效果 (9) 3.2.2超声波提取工艺正交试验结果 (10) 3.2.3微波提取工艺正交试验效果 (11) 3.3竹叶多糖不同提取方法的比较效果 (12) 结论 (12) 参考文献 (13)
上机操作3：随机区组试验设计的spss分析习题 氮肥和磷肥对葡萄产量的影响试验，采用随机区组试验。氮肥三个水平：对照，不施肥，每株施尿素1公斤，每株施尿素2公斤；磷肥三个水平：不施肥，每株过磷酸钙2.5公斤，每株过磷酸钙5公斤。重复4次（4个区组），试分析氮肥、磷肥和氮肥磷肥对葡萄产量的影响 葡萄施肥实验结果 解：1.假设 H01：施氮肥对葡萄产量无显著的影响； H A1：施氮肥对葡萄产量有显著的影响； H O2：施磷肥对葡萄产量无显著的影响；H A2：施磷肥对葡萄产量有显著的影响； H O3：施氮肥磷肥对葡萄产量无显著的影响。H A3：施氮肥磷肥对葡萄产量有显著的影响。 2.定义变量，输入数据：在变量视图中写入变量名称“产量”、“区组”、“N”“P”“NP”，宽度均为8，小数均为0。并在数据视图依次输入变量。“a1b1”“a1b2”“a1b3”“a2b1”“a2b2”
“a2b3”“a3b1”“a3b2”“a3b3”分别用“1”“2”“3”“4”“5”“6”“7”“8”“9”表示。 3．分析过程： （1）正态分布检验： 工具栏“图形”——“P-P图”，在“变量”中放入“产量”，“检验分布”为“正态”，“确定”。 （2）方差齐性检验： a.工具栏“分析”——“比较均值”——“单因素ANOVA”。 b.在“因变量”中放入“产量”，在“固定因子”中分别放入“N”和“P”。 c.点击“选项”，在“统计量”中点击“方差同质性检验”，“继续”。 d.“确定”。 e. 在“因变量”中放入“产量”，在“固定因子”中放入“NP”。 f.点击“选项”，在“统计量”中点击“方差同质性检验”何“描述性检验”，“继续”。 g.“确定”。 （3）显著性差异检验： a.工具栏“分析”——“常规线性模型”——“单变量”。 b.在“因变量”中放入“产量”，在“固定因子”中分别放入“N”和“P”。