Двухфакторный дисперсионный анализ

Двухфакторные комплексы по своей структуре более сложны, чем однофакторные.

Объединение в один статистический комплекс допускается только таких факторов, которые независимы друг от друга (например, тип кормления и доза облучения, возраст и пол и т.д.).

Чтобы построить двухфакторную дисперсионную модель все имеющиеся данные представим в виде табл. 1, в которой по строкам - уровни фактора А, по столбцам - уровни фактора В, а в соответствующих клетках, или ячейках, таблицы находятся значения признака (i=1,2…, m; j=1,2…, l; k=1,2…, n):

 

Таблица 1.

В А	В1	В2	…	Вj	…	Вl
А1			…		…
А2			…		…
. . .	…	…	…	…	…	…
Аj			…		…
. . .	…	…	…	…	…	…
Аm			…		…

Двухфакторная дисперсионная модель имеет вид:

(1)

 

где - значение наблюдения в ячейке ij c номером k;

- общая средняя;

- эффект, обусловленный влиянием i-го уровня фактора А;

- эффект, обусловленный влиянием j-го уровня фактора B;

- эффект, обусловленный взаимодействием двух факторов, т.е. отклонение от средней по наблюдениям в ячейке ij от суммы первых трех слагаемых в модели (1);

- возмущение, обусловленное вариацией переменной внутри отдельной ячейки.

Полагаем, что имеет нормальный закон распределения , а все математические ожидания равны нулю.

 

Групповые средние находятся по формулам:

 

в ячейке -

(2)

по строке -

, (3)

по столбцу –

 

(4)

Общая средняя

 

(5)

 

Таблица дисперсионного анализа имеет вид:

Таблица 2

Компоненты дисперсии	Сумма квадратов	Число степеней свободы	Средние квадраты
Межгрупповая (фактор А)		m-1
Межгрупповая (фактор В)		l-1
Взаимодействие (АВ)		(m-1)(l-1)
Остаточная		mln-ml
Общая		mln-1

 

Можно показать, что проверка нулевых гипотез об отсутствии влияния на рассматриваемую переменную факторов А, В и их взаимодействия АВ осуществляется сравнением отношений .

Если n=1, т.е. при одном наблюдении в ячейке, то не все нулевые гипотезы могут быть проверены, так как выпадает компонента из общей суммы квадратов отклонений, а с ней и средний квадрат , ибо в этом случае не может быть речи о взаимодействии факторов.

Пример. В табл. 3 приведены суточные привесы (г) отобранных для исследования 18 поросят в зависимости от метода содержания поросят (фактора А) и качества их кормления (фактор В).

 

Таблица 3.

Количество голов в группе (фактор А)	Содержание протеина в корме, г (фактор В)
В1=80	В2=100
А1=30	530,540,550	600,620,580
А2=100	490,510,520	550,540,560
А3=300	430,420,450	470,460,430

 

Необходимо на уровне значимости оценить существенность (достоверность) влияния каждого фактора и их взаимодействия на суточный привес поросят.

Решение. Имеем m =3, l =2, n =3. Определим (в г) средние значения привеса:

в ячейках – по (формуле 2)

и аналогично

;

по строкам – по (3):

и аналогично

по столбцам – (4):

и аналогично

Общий средний привес – по (5):

.

Все средние значения привеса (г) поместим в табл. 3

Таблица 3.

Количество голов в группе (фактор А)	Содержание протеина в корме, г (фактор В)
В1=80	В2=100
А1=30
А2=100
А3=300

 

Из табл. 3 следует, что с увеличением количества голов в группе средний суточный привес поросят в среднем уменьшается, а при увеличении содержания протеина в корме - в среднем увеличивается. Но является ли эта тенденция достоверной или объясняется случайными причинами? Для ответа на этот вопрос по формулам табл. 2 вычислим необходимые суммы квадратов отклонений:

;

;

Средние квадраты находим делением полученных сумм на соответствующие им число степеней свободы m-1=2, l-1=1; (m-1)(l-1)=2; mln-ml=18-6=12; mln-1=18-1=17.

Результаты расчета сведем в табл. 4.

Очевидно, данные факторы имеют фиксированные уровни, т.е. мы находимся в рамках модели I. Поэтому для проверки существенности влияния факторов А, В и их взаимодействия АВ необходимо найти отношения:

,

и сравнить их с табличными значениями (см. приложение 6) соответственно Так как и , то влияние метода содержания поросят (фактор А) и качества их кормления (фактор В) является существенным. В силу того что взаимодействие указанных факторов незначимо (на 5%-ном уровне).

 

Таблица 4.

Компонента дисперсии	Суммы квадратов	Число степеней свободы	Средние квадраты
Межгрупповая (фактор А)
Межгрупповая (фактор В)
Взаимодействие (АВ)
Остаточная
Общая

 

MS Excel в статистике

Широкое внедрение методов анализа данных в повседневную практику стимулировано распространением персональных компьютеров. Однако для осмысленной работы пользователь должен обладать определенной подготовкой: понимать, в каких ситуациях применимы различные статистические методы, знать их возможности и ограничения, уметь корректно интерпретировать результаты.

В настоящее время наиболее широко используемым программным обеспечением является программное обеспечение, работающее в среде Windows. Одним из составляющих программного обеспечения среды Windows, является программа Microsoft Excel, которая является мощным средством для работы с таблицами статистических данных. Она позволяет упорядочивать, обрабатывать определенным образом, графически представлять и анализировать различные виды статистической информации.

С помощью пакета анализа можно проводить следующие действия:

- генерировать случайные числа, подчиняющиеся различным законам распределения;

- проводить формирование выборки из генеральной совокупности;

- по выборке строить интервальный вариационный ряд, гистограмму, кумулятивную кривую и диаграмму Парето;

- вычислять точечные и интервальные оценки статистической совокупности;

- проводить сглаживание временных рядов;

- оценивать зависимость системы двух случайных величин;

- проверять статистические гипотезы с использованием различных критериев;

- проводить однофакторный и двухфакторный дисперсионный анализ;

- строить множественное уравнение регрессии;

- ранжировать статистические данные.