协方差分析.ppt

第十章协方差分析
第一节协方差分析的意义
一是测验多个线性方程中回归系数的差异显著性;
二是对试验进行统计控制,矫正处理平均数并测验矫正平均数间的差异显著性;
三是对协方差组分进行估计;
现分述如下。
测验多个线性方程中回归系数的差异显著性;
如果各bi没有显著差异,则表明各回归线具有相同的斜率;因而可进而求得一个合并的b值,以增加估计的精确性。
如果各bi有显著差异,则表明各回归线的斜率不同,不存在共同的b值。
对试验进行统计控制
为了提高试验的精确性和准确性,对处理以外的一切条件都需要采取有效措施严加控制,使它们在各处理间尽量一致,这叫试验控制。
但在有些情况下,即使作出很大努力也难以使试验控制达到预期目的。
例如:研究几种配合饲料对猪的增重效果,希望试验仔猪的初始重相同,因为仔猪的初始重不同,将影响到猪的增重。
经研究发现:
增重与初始重之间存在线性回归关系。
但是,在实际试验中很难满足试验仔猪初始重相同这一要求。这时可利用仔猪的初始重(记为x)与其增重(记为y)的回归关系, 将仔猪增重都矫正为初始重相同时的增重,于是初始重不同对仔猪增重的影响就消除了。
由于矫正后的增重是应用统计方法将初始重控制一致而得到的,故叫统计控制。
统计控制是试验控制的一种辅助手段。
若 y 的变异主要由x的不同造成(处理没有显著效应),则各矫正后的间将没有显著差异(但原y间的差异可能是显著的)。若 y的变异除掉x不同的影响外, 尚存在不同处理的显著效应,则可期望各间将有显著差异(但原y间差异可能是不显著的)。此外,矫正后的和原y的大小次序也常不一致。所以, 处理平均数的回归矫正和矫正平均数的显著性检验,能够提高试验的准确性和精确性,从而更真实地反映试验实际。这种将回归分析与方差分析结合在一起,对试验数据进行分析的方法,叫做协方差分析(analysis of covariance)。
二、估计协方差组分
在前面曾介绍过表示两个相关变量线性相关性质与程度的相关系数的计算公式:
若将公式右端的分子分母同除以自由度(n-1),得
其中
是x的均方MSx,它是x的
方差的无偏估计量;
是y的均方MSy,它是y的
方差的无偏估计量;
称为x与y的平均的离均差的乘积和,简称均积,记为MPxy,即
(10-2)
与均积相应的总体参数叫协方差(covariance),记为COV(x,y)或。统计学证明了,均积MPxy是总体协方差COV(x,y)的无偏估计量,即 EMPxy= COV(x,y)。
于是,样本相关系数r可用均方MSx、MSy,均积MPxy表示为:
(10-3)