两因素方差分析检验

1、无交互影响的双因素方差分析如果某一试验结果受到A和B两个因素的影响，这两个因素分别可取K和M个水平，则双因素分析实际上就是要比较因素A的K个水平的均值之间是否存在显著差异，因素B 的M个水平的均值之间是否存在显著差异。

假定试验的结果如下表所示（在假定两个因素无交互影响的情形下，通常采用不重复试验）。

表9-8 无交互影响的双因素分析试验观察值无交互影响的双因素方差分析结果如下表：表9-9 无交互影响的双因素分析表在显著性水平α下，如果F > 临界值Fα,则拒绝原假设，认为差异显著。

小案例9-1：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，对每个品牌在各地区的销售量取得表9-10的数据。

试分析品牌和销售地区对彩电的销售量是否有显著影响？(α=0.05)表9-10 不同品牌的彩电在5个地区的销售量数据提出假设：对品牌因素提出的假设为：H0：m1=m2=m3=m4 (品牌对销售量无显著影响)H1：mi (i =1,2, …, 4) 不全相等(有显著影响)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)表9-11 方差分析表结论：F品牌＝18.10777>Fα＝3.4903，拒绝原假设H0，说明彩电的品牌对销售量有显著影响。

F地区＝2.100846<Fα＝3.2592，不拒绝原假设H0，无证据表明销售地区对彩电的销售量有显著影响。

资料来源：贾俊平、何晓群、金勇进，《统计学》[M].北京: 中国人民大学出版社,2004.10第2版。

第三节两因素试验资料的方差分析两因素试验资料的方差分析是指对试验指标同时受到两个试验因素作用的试验资料的方差分析。

两因素试验按水平组合的方式不同，分为交叉分组和系统分组两类，因而对试验资料的方差分析方法也分为交叉分组方差分析和系统分组方差分析两种,现分别介绍如下。

一、交叉分组资料的方差分析设试验考察A、B两个因素，A因素分个水平，B因素分b个水平。

所谓交叉分组是指A因素每个水平与B因素的每个水平都要碰到，两者交叉搭配形成b个水平组合即处理，试验因素A、B在试验中处于平等地位，试验单位分成b个组，每组随机接受一种处理，因而试验数据也按两因素两方向分组。

这种试验以各处理是单独观测值还是有重复观测值又分为两种类型。

(一)两因素单独观测值试验资料的方差分析对于A、B两个试验因素的全部b个水平组合，每个水平组合只有一个观测值，全试验共有b个观测值，其数据模式如表6-20所示。

表6-20两因素单独观测值试验数据模式平均平均表6-20中，两因素单独观测值试验的数学模型为：(6-29)式中，μ为总平均数；αi，βj分别为A i、B j的效应，αi=μi-μ,βj=μj-μ,μi、μj 分别为A i、B j观测值总体平均数，且Σαi=0,Σβj=0;εij为随机误差，相互独立，且服从N(0，σ2)。

交叉分组两因素单独观测值的试验，A因素的每个水平有b次重复，B因素的每个水平有次重复，每个观测值同时受到A、B两因素及随机误差的作用。

因此全部b个观测值的总变异可以剖分为A因素水平间变异、B因素水平间变异及试验误差三部分；自由度也相应剖分。

平方和与自由度的剖分式如下：(6-30)各项平方和与自由度的计算公式为矫正数总平方和A因素平方和B因素平方和(6-31)误差平方和SS e=SS T-SS A-SS B总自由度dfT=ab-1A因素自由度dfA=a-1B因素自由度dfB=b-1误差自由度dfe=dfT-dfA-dfB=(a-1)(b-1)相应均方为【例6.5】为研究雌激素对子宫发育的影响，现有4窝不同品系未成年的大白鼠，每窝3只，随机分别注射不同剂量的雌激素，然后在相同条件下试验，并称得它们的子宫重量，见表6-21，试作方差分析。

两因素重复测量方差分析，史上最详细SPSS教程！一、问题与数据研究者想知道短期(2周)高强度锻炼是否会减少C反应蛋白(C-Reactive Protein, CRP)的浓度。

研究者招募了12名研究对象，并让研究对象参与两组试验：对照试验和干预试验。

在对照试验中，研究对象照常进行日常活动；在干预试验中，研究对象每天进行45分钟的高强度锻炼，每组试验持续2周，两组试验中间间隔足够的时间。

CRP的浓度在每组试验中共测量了3次：试验开始时的CRP 浓度、试验中的CRP浓度(1周)和试验结束时的CRP浓度(2周)。

这三个时间点代表了受试者内因素“时间”的三个水平，因变量是CRP的浓度，单位是mg/L。

con_1、con_2和con_3分别代表对照试验开始时、对照试验中和对照试验结束时研究对象的CRP浓度，int_1、int_2和int_3分别代表干预试验开始时、干预试验中和结束时研究对象的CRP浓度。

部分数据如下：二、对问题的分析使用两因素重复测量方差分析(Two-way Repeated Measures Anova)进行分析时，需要考虑5个假设。

对研究设计的假设：假设1：因变量唯一，且为连续变量；假设2：有两个受试者内因素（Within-Subject Factor），每个受试者内因素有2个或以上的水平。

注：在重复测量的方差分析模型中，对同一个体相同变量的不同次观测结果被视为一组，用于区分重复测量次数的变量被称为受试者内因素，受试者内因素实际上是自变量。

对数据的假设：假设3：受试者内因素的各个水平，因变量没有极端异常值；假设4：受试者内因素的各个水平，因变量需服从近似正态分布；假设5：对于受试者内因素的各个水平组合而言，因变量的方差协方差矩阵相等，也称为球形假设。

三、思维导图（点击图片看清晰大图）四、SPSS操作两因素重复测量方差分析的操作1. 在主菜单下点击Analyze &gt; General Linear Model &gt; Repeated measures...，如下图所示：2. 出现Repeated Measures Define Factor(s)对话框，如下图所示：3. 在Within-Subject Factor Name:中将“factor1”更改为treatment，因为研究对象共进行了2组试验，在Number of Levels：中填入2；4. 点击Add，出现下图：5. 在Within-Subject Factor Name:中填入time，因为研究对象的CRP水平在每组试验中共测量了3次，在Number ofLevels：中填入3，点击Add；6. 点击Define，出现下图Repeated Measures对话框；7. 如下图所示，Within-Subjects Variables后面的括号内是受试者内因素的名字，将左侧六个变量均选入右侧框中，如下图所示：8. 点击Plots，出现Repeated Measures: Profile Plots 对话框，如下图所示：9. 将time选入Horizontal Axis：框中，将treatment选入Separate Lines：框中；10. 点击Add，出现下图，点击Continue；11. 点击Save，出现Repeated Measures: Save对话框；12. 在Residuals下方选择Studentized，如下图所示，点击Continue；13. 点击Options，出现Repeated Measures: Options对话框；14. 将treatment、time和treatment*time选入Display Means for：中，下方Compare main effects为勾选状态，在Confidence interval adjustment：下选择Bonferroni，在Display下方勾选Descriptive statistics 和Estimates of effect size，点击Continue，点击OK。

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）。

第三节随机区组设计的两因素方差分析（two-way ANOVA）1、用途：用于随机区组设计的多个样本均数比较，其统计推断是推断各样本所代表的各总体均数是否相等。

随机区组设计考虑了个体差异的影响，可分析处理因素和个体差异对实验效应的影响，所以又称两因素实验设计，比完全随机设计的检验效率高。

该设计是将受试对象先按配比条件配成配伍组（如动物实验时，可按同窝别、同性别、体重相近进行配伍），每个配伍组有三个或三个以上受试对象，再按随机化原则分别将各配伍组中的受试对象分配到各个处理组。

值得注意的是，同一受试对象不同时间（或部位）重复多次测量所得到的资料称为重复测量数据（repeated measurement data），对该类资料不能应用随机区组设计的两因素方差分析进行处理，需用重复测量数据的方差分析。

2、计算公式：随机区组设计的两因素方差分析是把总变异中的离均差平方和SS 与自由度分别分解成处理间、区组间和误差三部分，其计算公式见表5.4。

表5.4两因素方差分析的计算公式变异来源离均差平方和自由度均方总N-1处理间k-1区组间b-1误差* # b区组数3、分析步骤（以例说明）：例5.2某医师研究A、B和C三种药物治疗肝炎的效果，将32只大白鼠感染肝炎后，按性别相同、体重接近的条件配成8个配伍组，然后将各配伍组中4只大白鼠随机分配到各组：对照组不给药物，其余三组分别给予A、B和C药物治疗。

一定时间后，测定大白鼠血清谷丙转氨酶浓度（IU/L），如表5.5。

问四组大白鼠的血清谷丙转氨酶是否相同。

表5.5 四组大白鼠血清谷丙转氨酶浓度（IU/L）区组对照组试验组合计A药组B药组C药组1 845.1 652.4 624.3 445.1 2566.92 834.7 741.3 772.3 432.5 2780.83 826.5 675.6 632.5 362.7 2497.34 812.8 582.8 473.6 348.7 2217.95 782.8 491.8 462.8 345.9 2083.36 745.6 412.2 431.8 312.8 1902.47 730.4 494.6 484.9 296.3 2006.28 684.3 379.5 380.7 228.4 1672.96262.2 4430.2 4262.9 2772.4 17727.7 ()782.78 553.78 532.86 346.55 553.99()4925110.04 2571668.14 2391246.57 995764.14 10883788.89 ()本研究的主要目的在于比较不同治疗方法的效果，同时还可以比较不同区组间大鼠血清谷丙转氨酶浓度是否相同。