当前位置：文档之家 › 双因素方差分析.doc

双因素方差分析.doc

  • 格式：doc
  • 大小：125.50 KB
  • 文档页数：7

下载文档原格式

  / 7

合集下载

双因素试验的方差分析

双因素试验的方差分析

i 1
j 1
要判断因素A，B及交互作用AB对试验结果是否 有显著影响，即为检验如下假设是否成立：
H01 :1 2 a 0
H02 : 1 2 b 0
H03 : ij 0 i 1, 2, , a; j 1, 2, ,b
➢ 总离差平方和的分解定理 仿单因素方差分析的方法，考察总离差平方和
a
Ti.2
b,
i1
p T 2 ab ,
DB
b
T.
2 j
a,
j1
ab
R
X
2 ij
i1 j1
例1 设甲、乙、丙、丁四个工人操作机器Ⅰ、Ⅱ、Ⅲ各一天， 其产品产量如下表，问工人和机器对产品产量是否有显著 影响？
机器 B 工人 A
ⅠⅡ
Ⅲ
甲
50 63 52
乙
47 54 42
丙
47 57 41
F值
F 值临介值
因素A 因素B
SS A SSB
df A
MS A
SS A df A
FA
MS A MSE
df B
MSB
Байду номын сангаас
SSB df B
FB
MSB MSE
F (a 1 ,
ab n 1) F (b 1 ,
ab n 1)
A B
误差 总和
SS AB
SSE SST
df AB df E dfT
MS AB SS AB
F0.01 3,6 9.78 F0.05 3,6 4.76 F0.01 2,6 10.92
FB F0.01 2,6
结论：工人对产品的产量有显著影响， 机器对产品的产量有极显著影响。

双因素试验的方差分析

双因素试验的方差分析
2
2
j 1

误差平方和： S
E


i 1
( x ijk X
ij
)
j 1 k 1
③计算自由度

SA的自由度：r－1 SB的自由度：s－1 SA×B的自由度： (r－1)(s－1) Se的自由度：rs(t －1)

ST的自由度：rst－1
(4) F检验
FA
S A /( r 1) S E /( rs ( t 1))
r
j 1 k 1

因素A的效应平方和： 因素B的效应平方和： A，B交互效应平方和：
S A B t
i 1 r
S A st ( X
S B rt ( X
j 1
i
X)
2
i 1 s
j
X )
2

r
s
(X
s
ij
X
t
i
X j X )
X 2 1 1 , X 2 1 2 , ..., X 2 1 t
A2 … Ar
x 221 , x 222 , ..., x 22 t
… … …
…
…
…
X rs 1 , X rs 2 , ..., X rst
X r 11 , X r 12 , ..., X r 1 t X r 2 1 , X r 2 2 , ..., X r 2 t
总和
ST
rs－1
（3）双因素无重复试验方差分析表 双因素无重复试验方差分析表 方差 来源 因素A
平方 和
SA
自由度
r－ 1
均方
SA SA r 1

双因素的方差分析

双因素的方差分析

双因素的多重比较方法生物工程 10212575 陈晓穗摘要：本文首先扼要地介绍了多重比较的方法种类，其次引用了一个实例具体地展示了无交叉相互作用的双因素的多重比较方法。

关键词：最小显著差数法 最小显著极差法 双因素 多重比较1.前言用方差分析检验样本的差异是否显著后，获得了显著或极显著的结论。

此时人们便想进一步的了解具体到哪些平均数间有显著差异，哪些不显著。

这就有必要进行两两地比较平均数，以判断这两组数据的显著差异性。

统计学把多个平均数两两间互相比较称为多重比较。

多重比较常有的方法有：最小显著差数法和最小显著极差法。

2．多重比较法 2.1 多重比较法的种类 2.1.1 最小显著差数法最小显著差数法，简称LSD 。

它其实只是t 检验的一个简单变形,并未对检验水准做出任何校正,只是在标准误的计算上充分利用了样本信息, 为所有组的均数统一估计出了一个更为稳健的标准误,其中MS 误差是方差分析中计算得来的组内均方,它一般用于计划好的多重比较。

由于单次比较的检验水准仍为α,因此可认为LSD 法是最灵敏的。

此法的基本作法是：在F 检验显著的前提下，先计算出显著水平为α的最小显著差数αLSD ，然后将任意两个处理平均数的差数的绝对值..j i x x -与其比较。

若..j i x x -＞LSDa 时，则.i x 与.j x 在α水平上差异显著；反之，则在α水平上差异不显著。

最小显著差数由..)(j i e x x df a a S t LSD -=计算。

式中)(e df t α为在F 检验中误差自由度下，显著水平为α的临界t 值，..j i x x S -为均数差异标准误，由n MS S e x x j i /2..=-算得。

其中e MS 为F 检验中的误差均方，n 为各处理的重复数。

当显著水平α=0.05和0.01时，从t 值表中查出)(05.0e df t 和)(01.0e df t ，代入式得：....)(01.001.0)(05.005.0ji e ji e x x df x x df S t LSD S t LSD --==2.1.2 最小显著极差法最小显著极差法，简称LSR 。

6-2双因素方差分析

6-2双因素方差分析
– 对地区因素提出的假设为
• H0：m1=m2=m3=m4=m5 (地区对销售量无显著影响) • H1：mj (j =1,2,…,5) 不全相等 (有显著影响)
【例】有4个品牌的彩电在5个地区销售，为分析彩电的品牌( 品牌因素)和销售地区(地区因素)对销售量的影响，对每显著 个品牌在各地区的销售量取得以下数据。试分析品牌和销售 地区对彩电的销售量是否有显著影响？(=0.05)
5. 误差项平方和： SSE SST SSR SSC SSRC
SST=SSR+SSC+SSRC+SSE
可重复双因素方差分析表
(基本结构)
误差来源 平方和 自由度
(SS)
(df)
均方 (MS)
F值
P值
F 临界值
行因素 列因素 交互作用
误差
SSR SSC SSRC SSE
k-1 MSR FR r-1 MSC FC (k-1)(r-1) MSRC FRC kr(m-1) MSE
replication)
3. 如果除了行因素和列因素对试验数据的单
独影响外，两个因素的搭配还会对结果产 生一种新的影响，这时的双因素方差分析
称为有交互作用的双因素方差分析或可重 复 双 因 素 方 差 分 析 (Two-factor with
replication )
双因素方差分析的基本假定
1. 每个总体都服从正态分布 ▪ 对于因素的每一个水平，其观察值是来自正态分布
不同品牌的彩电在5个地区的销售量数据
品牌因素 地区1
地区因素 地区2 地区3 地区4
品牌1
365
350
343
340
品牌2
345
368
363

双因素试验方差分析

双因素试验方差分析

SS E df E
SST
注意
df E dfT df A f B , SSE SST SSA SSB
各因素离差平方和的自由度为水平数减一，总平方 和的自由度为试验总次数减一。
双因素（无交互作用）试验的方差分析表
简便计算式：
SS A DA p, SSB DB p
双因素试验的方差分析
在实际应用中，一个试验结果（试验指标）往往 受多个因素的影响。不仅这些因素会影响试验结果， 而且这些因素的不同水平的搭配也会影响试验结果。 例如：某些合金，当单独加入元素A或元素B时， 性能变化不大，但当同时加入元素A和B时，合金性 能的变化就特别显著。 统计学上把多因素不同水平搭配对试验指标的 影响称为交互作用。交互作用在多因素的方差分析 中，把它当成一个新因素来处理。 我们只学习两个因素的方差分析，更多因素的 问题，用正交试验法比较方便。
双因素无重复（无交互作用）试验资料表
因素 B 因素 A
B1
X 11 ... X a1
B2
X 12 ... X a2
... Bb
... ... ... X 1b ... X ab
Ti. X ij X i. T b i.
j 1
b
A1 ... Aa
a b i 1 j 1
1 b i ij i 水平Ai对试验结果的效应 a j 1 1 a j ij j 水平Bj对试验结果的效应 b i 1 试验误差 ij X ij ij
特性：

i 1
a
i
0;

j 1
b
j
0; ij ~ N 0,

双因素方差分析Two-WayANOVA-统计之都

双因素方差分析Two-WayANOVA-统计之都
1 2
6.2
7 k 2 21, t63 (0.025/ 21) 3.40 t60 (0.025/ 20) 3.39 t60 (0.025/ 20) 3.16 ?
多重比较
(3 Bonferroni Method)
S p 0.0606 , t60 (0.025/ 20) S p
J
j
0
6.3 双因素方差分析
6.3.3 无交互作用
平方和分解式：
2 ( Y Y ) J ( Y Y ) I ( Y Y ) ( Y Y Y Y ) ij i i ij i j 2 2 2 i 1 j 1 i 1 j 1 i 1 j 1 I J I J I J
H0成立时F ~ F ((I 1), J1 J I I )
6.2
多重比较
(Multiple Comparisons)
6.2
多重比较
(1 LSD Method)
Fisher提出的最小显著差异(Least Significance Difference) 方法，简记为LSD
LSD t I ( J 1) ( 2) S p 1 1 2 J J t I ( J 1) ( 2) S p J i2 i1
6.2
称 max
i1 ,i2
多重比较
Sp / J
(2 Tukey’s Method)
(Yi1 i1 ) (Yi2 i2 )
服从参数为I和I(J-1)的学生化极差分布（Studentized range distribution）,其上侧100分位数记为 qI , I ( J 1) ( )
SSTOT SSA SSB SSE

双因素方差分析

双因素方差分析
由于存在两个因素的影响，就产生一个新问题，两 因素对指标的影响是否正好是它们每个因素对指标的影 响的迭加?
这种各个因素的不同水平的搭配所产生的新的影响 在统计上称为交互作用. 各因素间是否存在交互作用是 多因素方差分析新产生的问题.
一、无交互作用的方差分析
考虑的因素记为A的第i种效应和因素B的第j 种效应分 别记作αi , βj，试验误差记作εij，其数据结构如下：
第7.3节 双因素方差分析
一、无交互作用的方差分析 二、有交互作用的方差分析 三、利用Excel进行双因素方差分析的步骤
在许多实际问题中, 往往需要同时考察几个因素对指 标的影响，这种同时研究两个因素对试验指标影响的方 差分析，就是 双因素方差分析 (double factor analysis of variance)问题.
B1
B2
B3
A1
390 380 440 420 370 350
A2
390 410 450 430 370 380
解 由Excel软件依次单击：工具-数据分析-方差分析：可重 复双因素方差分析, 如下图
单击“确定”后，得分析结果如下：
由此可见，因素B显著，而因素A和A与B交互作用都 不显著．下面着重考察因素B.
方差来源 平方和 自由度
A B 误差 总和
Q1
r-1
Q2
s-1
Q3 (r-1)(s-1)
Q
rs-1
均方 S12 S22 S32
F值 S12/S32 S22/S32
显著性
二、有交互作用的方差分析
如果因素A 和因素B 没有交互作用， 则只需要在各 个组合水平下各做一次试验就可以进行方差分析．
但是如果因素A 和因素B 有交互作用，这时必须在 各个组合水平下做重复试验方可进行方差分析．

双因素方差分析

双因素方差分析

双因素方差分析一、无交互作用下的方差分析设A 与B 是可能对试验结果有影响的两个因素，相互独立，无交互作用。

设在双因素各种水平的组合下进行试验或抽样，得数据结构如下表：表中每行的均值.i X （i=1,2,…r ）是在因素A 的各个水平上试验结果的平均数；每列的均值jX .(j=1,2,…,n)是在因素B 的各种水平上试验的平均数。

以上数据的离差平方和分解形式为：SST=SSA+SSB+SSE （6.13） 上式中：∑∑-=2)(X X SST ij(6.14)∑-=∑∑-=2.2.)()(X X n X XSSA i i (6.15)∑-=∑∑-=2.2)()(X Xr X XSSB j j（6.16）∑+-∑-=2..)(X X X X SSE ji ij(6.17)SSA 表示的是因素A 的组间方差总和，SSB 是因素B 的组间方差总和，都是各因素在不同水平下各自均值差异引起的；SSE 仍是组内方差部分，由随机误差产生。

各个方差的自由度是：SST 的自由度为nr-1，SSA 的自由度为r-1，SSB 的自由度为n-1，SSE 的自由度为nr-r-n-1=（r-1）(n-1)。

各个方差对应的均方差是：对因素A 而言： 1-=r SSA MSA （6.18） 对因素B 而言： 1-=n SSB MSB （6.19）对随机误差项而言：1---=n r nr SSEMSE （6.20）我们得到检验因素A 与B 影响是否显著的统计量分别是：)]1)(1(,1[~---=n r r F MSE MSA F A （6.21）)]1)(1(,1[~---=n r n F MSE MSBF B （6.22）【例6-2】某企业有三台不同型号的设备，生产同一产品，现有五名工人轮流在此三台设备上操作，记录下他们的日产量如下表。

试根据方差分析说明这三台设备之间和五名工人之间对日产量的影响是否显著？（α=0.05）。

实验5——双因素方差分析(无重复)

实验5——双因素方差分析(无重复)

2.865
-.946
2.146
-.709
3.376
-4.245
2.179
-2.146
.946
-1.296
2.763
-4.706
1.173
-3.376
.709
-2.763
1.296
5）浓度多重比较
Dep ende nt Vari able: 含 量 比
Multiple Comparisons
(I) 浓 度 (J) 浓 度
2.222
T o ta l
46.290
df 3 2
12
Mean Square 1.763 1.111
F 40.948 25.800
Si g. .000 .001
PA 0.000 0.05, 拒绝原假设，认为因素A对指标有影响 PB 0.001 0.05, 拒绝原假设，认为因素B对指标有影响
4）PH值多重比较
使用spss软件进行分析将所有数据输在第一列并命名为含量比将所对应的因素a的水平数输在第二列命名为ph值将所对应的因素b的水平数输在第三列命名为浓度
双因素无重复析因试验方差分析
例 为了考察蒸馏水的PH值和硫酸铜溶 液浓度对血清中白蛋白和球蛋白化验结果的 影响，蒸馏水的PH取4个水平，硫酸铜溶液 浓度取三个水平。在不同的水平组合下各做 一次试验，共进行12次试验，其结果见下表。 试选择蒸馏水的PH值和硫酸铜溶液浓度的最 佳组合。
5）单击Continue，返回上一级菜单，单击Option，选择 需显示描述性统计量及方差齐性检验，单击Continue返回上 一级菜单单击OK。
主 要 结 果：
1）描述性统计量
Descriptiv e Statistics

双因素试验的方差分析

双因素试验的方差分析

设：
X ijk ~ N ij , 2 , i 1,2,, r, j 1,2,, s, k 1,2,, t ,
各


X ijk
独立， ij , 2 均为未知参数。或写成：
2 ijk ~ N 0, , 各 ijk 独立 i 1,2,, r , j 1,2,, s, k 1,2,, t.
双因素试验的方差分析
影响试验结果的因素不止一个，要用双因素
或 多因素的方差分析；
确定哪些因素是主要的，它们对试验结果的
影响是否显著； 它们之间是否有交互作用。
（一）双因素等重复试验（有交互作用）的方差分析设有两个因
素A，B作用于试验的指标。 因素A有r个水平
因素B有s个水平
A1 , A2 ,, Ar
X . j.
1 r t X ijk , j 1,2,, s. rt i 1 k 1
总偏差平方和（称为总变差）
ST X ijk X .
2 i 1 j 1 k 1 r s t


ST写成：
S T X ijk X
i 1 j 1 k 1 s t r


1 1319 .82 2 2 2 S A B 110.8 91.9 90.1 2 24 S A S B 1768 .69250 , S E ST S A S B S A B 236.95000 .


得方差分析表如下：
表9.11 例1的方差分析表 方差来源 平方和 自由度 均 方 F 值
A1 A2
X 121 , X 122, , X 12t
…
X 211 , X 212, X 221 , X 222, , X 21t , X 22t

双因素方差分析

双因素方差分析

1)(m
1))
在H0B 成立时, 检验统计量
FB
SSMB (m 1) SSE (l 1)(m 1)
H0B真
~ F(m
1,(l
1)(m
1))
概率论与数理统计
❖ 1.无交互作用的双因素方差分析
➢ 要说明因素A有无显著影响, 就是要检验如下假设：
H0A：1 = 2 = … = l = 0, H1A：1, 2, …,l 不全为零
lm
➢ 误差平方和： SSE
( xij xi. x. j x )2
i1 j1
lm
➢ 总离差平方和： SST
( xij x )2
i1 j1
➢ 可以证明： SST = SSMA + SSMB + SSE
概率论与数理统计
❖ 1.无交互作用的双因素方差分析
➢ 可以证明： 构造检验统计量
ij~N(0, 2), 且相互独立, 1 ≤ i ≤ l, 1 ≤ j ≤ m,
l
ai 0,
i 1
m
j 0
j1
其中表示平均的效应, i和j分别表示因素A的第i个水 平和因素B的第j个水平的附加效应, ij为随机误差,假定ij
相互独立并且服从等方差的正态分布．
概率论与数理统计
❖1. 无交互作用的双因素方差分析
SSMA SSMB SSE
SSMA / (l – 1) MSA / MSE PA SSMB / (m – 1) MSB / MSE PB SSE / (l – 1)(m – 1)
全部
lm – 1
SSMA + SSMB +SSE
其中MSA = SSMA/(l – 1), MSB = SSMB/(m – 1),

双因素方差分析

双因素方差分析
(7-13)
三、双因素方差分析
在上述误差平方和的基础上计算均方，也就是将各平方和除 以相应的自由度。与各误差平方和相对应的自由度分别为：
SST的自由度为kr－1，SSR的自由度为k－1，SSC的自由度 为r－1，SSE的自由度为(k－1)(r－1)。
为构造检验统计量，需要计算下列各均方： ①行因素的均方，记为MSR。 ②列因素的均方，记为MSC。 ③随机误差的均方，记为MSE。
三、双因素方差分析
二、 无交互作用的双因素方差分析
1. 数据结构
在无交互作用的双因素方差分析中，由于有两个 因素，因而在获取数据时，需要将一个因素安排在“ 行”的位置，称为行因素；另一个因素安排在“列” 的位置，称为列因素。设行因素有k个水平，列因素 有r个水平，行因素和列因素的每一个水平都可以搭配 成一组，观察它们对试验指标的影响，共抽取kr个观 察数据，其数据结构见表7-8。
三、双因素方差分析
“全因子”单选按钮为系统默认项，用 来建立全模型。全模型中包括因素之间的交 互作用。如果选择分析两个因素的交互作用 ，则必须在每种水平组合下取得两个以上的 试验数据，才能实现两个因素的交互作用的 分析。如果不考虑因素间的交互作用，则应 当选择自定义模型。
三、双因素方差分析
“设定”单选按钮用来自定义模型，本例选择此项并激活下面的各项操 作，如图7-12所示。
三、双因素方差分析
2. 分析步骤
与单因素方差分析类似，双因素方差分析也包括提出假设、构造检验 统计量和决策分析等步骤。
（1）提出假设。
为了检验两个因素的影响，需要对两个因素分别提出如下假设：
①对行因素提出假设。
H0∶μ1=μ2=…=μk=μ
行因素（自变量）对因变量没有显著影响

双因素重复试验方差分析

双因素重复试验方差分析


S I /((r 1)( s 1)) 从而有FB ~ F ((r 1)( s 1), rs (l 1)) Se /(rs(l 1))
对给定的显著性水平 ，拒绝域分别为
WA {FA : FA F ((r 1), rs(l 1))} WB {FB : FB F (( s 1), rs(l 1))} WI {FI : FI F ((r 1)( s 1), rs(l 1))}
行面和-平方-和-均值
列面和-平方-和-均值
纵向和-平方-和-均值 总平方和
1 R xijk l i 1 j 1 k 1
r s l
2 W xijk i 1 j 1 k 1 r s l
2
可以证明：
S A QA P S B QB P
r
s
l
l ( X ij X i X j X ) 2
i 1 j 1
r
ST [( X ijk X ij ) ( X i X ) ( X j X )
i 1 j 1 k 1
r
s
l
( X ij X i X j X )]2
第k次试验的结果列表如下：
B1 A1 A2 Ar
B2
Bs X 1sk X 2 sk X rsk
X 11k X 12 k X 21k X 22 k X r 1k X r 2 k
假设 X ijk ～N ( ij , 2 ), i 1,, r , j 1,, s, k 1,, t .
(3)
S A /(r 1) 从而有FA ~ F (r 1, rs(l 1)) Se /(rs(l 1)) S 2 当H 02成立时， B ~ ( s 1).且S B与Se相互独立 2
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

双因素方差分析
一、双因素方差分析的含义和类型
（一）双因素方差分析的含义和内容
在实际问题的研究中，有时需要考虑两个因素对实验结果的影响。

例如上一节中饮料销售量的例子，除了关心饮料颜色之外，我们还想了解销售地区是否影响销售量，如果在不同的地区，销售量存在显著的差异，就需要分析原因，采用不同的推销策略，使该饮料品牌在市场占有率高的地区继续深入人心，保持领先地位，在市场占有率低的地区，进一步扩大宣传，让更多的消费者了解，接受该产品。

在方差分析中，若把饮料的颜色看作影响销售量的因素A，饮料的销售地区看作影响因素B。

同时对因素A和因素B进行分析，就称为双因素方差分析。

双因素方差分析的内容包括：对影响因素进行检验，究竟一个因素在起作用，还是两个因素都起作用，或是两个因素的影响都不显著。

双因素方差分析的前提假定：采样地随机性，样本的独立性，分布的正态性，残差方差的一致性。

（二）双因素方差分析的类型
双因素方差分析有两种类型：一个是无交互作用的双因素方差分析，它假定因素A 和因素B的效应之间是相互独立的，不存在相互关系；另一个是有交互作用的双因素方差分析，它假定因素A和因素B的结合会产生出一种新的效应。

例如，若假定不同地区的消费者对某种品牌有与其他地区消费者不同的特殊偏爱，这就是两个因素结合后产生的新效应，属于有交互作用的背景；否则，就是无交互作用的背景。

有交互作用的双因素方差分析已超出本书的范围，这里介绍无交互作用的双因素方差分析。

1.无交互作用的双因素方差分析。

无交互作用的双因素方差分析是假定因素A和因素B的效应之间是相互独立的，不存在相互关系；
2.有交互作用的双因素方差分析。

有交互作用的双因素方差分析是假定因素A和因素B的结合会产生出一种新的效应。

例如，若假定不同地区的消费者对某种颜色有与其他地区消费者不同的特殊偏爱，
这就是两个因素结合后产生的新效应，属于有交互作用的背景，否则，就是无交互作用的背景。

二、数据结构
方差分析的基本思想：通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。

下面用一个简单的例子来说明方差分析的基本思想：
如某克山病区测得11例克山病患者和13名健康人的血磷值（mmol/L）如下：
患者：0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11
健康人：0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87
问该地克山病患者与健康人的血磷值是否不同？
从以上资料可以看出，24个患者与健康人的血磷值各不相同，如果用离均差平方和（SS）描述其围绕总均数的变异情况，则总变异有以下两个来源：
组内变异，即由于随机误差的原因使得各组内部的血磷值各不相等；
组间变异，即由于克山病的影响使得患者与健康人组的血磷值均数大小不等。

而且：SS总=SS组间+SS组内v总=v组间+v组内
如果用均方（即自由度v去除离均差平方和的商）代替离均差平方和以消除各组样本数不同的影响，则方差分析就是用组内均方去除组间均方的商（即F值）与1相比较，若F值接近1，则说明各组均数间的差异没有统计学意义，若F值远大于1，则说明各组均数间的差异有统计学意义。

实际应用中检验假设成立条件下F值大于特定值的概率可通过查阅F界值表（方差分析用）获得。

因素A位于列的位置，共有r个水平，表示第j种水平的样本平均数；
因素B位于行的位置，共有k个水平，表示第I种水平的样本平均数。

为样本总平均数
样本容量为n = r x k 。

每一个观察值x ij是由因素A的r个水平和因素B的k个水平所组成的总体中抽取的样本容量为1的独立随机样本。

在进行双因素方差分析时，假定在个总体中，每一个总体都服从正态分布，而且有相同的方差。

三、离差平方和的分解
与单因素方差分析相类似，进行双因素方差分析时也需要将总离差平方和SST进行分解。

但不同的是，这里需要将SST分解成三个组成部分：即
SSA：反映因素A的组间差异
SSB：反映因素B的组间差异
SSE：随机误差的离散状况
它们的计算公式分别为：
（1）
（2）
（3）
SSE = SST – SSA – SSB （4）
双因素方差分析表如下：
例题：某商品有五种不同的包装方式，在五个不同地区销售。

现从每个地区随机抽取一个规模相同的超级市场，得到该商品不同包装的销售资料如表7-9所示。

试问，包装方式和销售地区对该商品销售量是否有显著影响（α= 0.05）？ 解：从上表可看出，设包装方式为因素A ，销售地区为因素B 。

如果五种包装方式的销售均值相等，则表明不同的包装方式在销售上没有差别； 同理，如果五个地区销售均值相等，则表明不同地区在销售上没有影响。

所以，方差分析的过程为： (一） 建立假设：
用A 、B 分别来表示两个因素。

因素A 位于列的位置，有r 个水平；因素B
位于行的位置，有k 个水平，因素A 和因素B 共有k r ⨯种不同的水平组合。

我们对每一种水平组合进行一次试验，其试验结果用
ij
X 来表示。

并且假定这k
r ⨯个观察值均服从正态分布，且有相同的方差。

全部试验结果如下表：
表8-9 双因素方差分析数据表
因素A(j )
因素B(i )
1A 2A …
j
A
…
r A i X ⋅
1B 11X 12X
… j X 1 … r X 1
1X ⋅ 2B
21X
22X …
j
X 2
…
r X 2
2X ⋅
M
M
M
M
M
M
M
M
i B
1i X
2i X
…
ij
X
…
ir X
i X ⋅
M
M
M
M
M
M
M
M
k B 1k X 2k X … kj
X … kr X k X ⋅
j X ⋅
1X ⋅
2X ⋅
…
j
X ⋅
…
r X ⋅
X
1
1, (1,2,,)
r
i i j j X X i k r ⋅===∑L ，表示第i 行试验数值的平均数。

（5） 1
1, (1,2,,)
k
j i j i X X j
r k ⋅===∑L ，表示第j 列试验数值的平均数。

( 6 )
11
1r k
ij
j i X X rk ===∑∑，表示k r ⨯个试验数值的平均数。

（7）
对上表中的数据可以这样来理解，假设A 、B 两因素对试验结果没有影响，那么k r ⨯个观察值
ij
X 就是来自同一正态总体的同一个样本的随机变量，各个
ij
X 之间的变异，纯是随机因素所产生的随机误差，从而各列间的平均数应是相
等的，且等于总体平均数。

各行间的平均数也应相等，也等于总体平均数。

如有差异，也是随机误差。

假如两个因素对试验结果有影响，则表现在各列平均数之间和各行平均数之间就有明显的差异，这种差异除随机误差之外，还包含了系统偏差，这时就不能认为各个观察值是来自同一正态总体的样本随机变量了。

所以，我们可以做如下假设： 对因素A ，
r
j H μμμμ=====ΛΛ2110: 因素A 各水平之间无差别 对因素B ，k i H μμμμ=====ΛΛ2120:
因素B 各水平之间无差别
通过方差分析，就能对统计假设是否可信作出一定程度的判断。

对于此题： 对因素A ： 包装方式之间无差别
不全等 包装方式之间有差别
对因素B ： 地区之间无差异
不全等 地区之间有差异
（二）计算F 值： 1.计算各种均值
(1)因素A 的列均值分别为：
(2)因素B 的行均值分别为
(3)总均值
2.计算各种离差平方和
于是，由公式（1）——（4）有：
=
SSE = SST-SSA-SSB
= 880.96-335.36-199.36 = 346.24
3.计算各种均方差
4.计算F值
若使用计算机，Excel的输出结果如下：
双因素方差分析表
差异源SS df MS F P-value Fcrit 行（因素B）199.36 4 49.84 2.303142 0.103195 3.006917
列（因素A）335.36 4 83.84 3.874307 0.021886 3.006917
误差346.24 1621.64
总计880.9624
（三）统计决策
由上表知，
1.对于因素A，因为，落在拒绝域。

故拒绝H0,接受H1。

说明不同的包装方式对该商品的销售量产生一定的影响。

2.对于因素B，因为，落在接受域。

故接受H0,说明该商品在不同地区的销售量不受地区因素的影响，或不同地区之间在该商品的销售上没有显著的差异。