Minitab两因素方差分析续汇编

合集下载
  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)。
• Minitab 通过绘制每个因子水平的平均响应值创建 主效应图。以线连接每个因子水平的各个点。
注解4:minitab方差齐性检验
• Minitab 显示了用于判断方差是否相等的两种检验 的结果:Bartlett 检验和 Levene 检验。在两种检 验中,原假设 (Ho) 是考虑的总体方差(或等效的 总体标准差)相等,备择假设 (H1) 指并非所有的 方差都相等。
• 检验的选项取决于分布属性:
• 检查每个因子的水平平均值
• 比较多个因子的水平平均值
• 具有多个因子时,主效应图将是最佳选择。可以 将水平平均值中的更改进行比较,以查看哪些因 子对响应(反应变量)的效应最大。某一因子的 不同水平对响应具有不同效应时,便会出现主效 应。对于有两个水平的因子,可能会发现一个水 平会提高平均值,而另一个水平则不然。这种差 异就是主效应。
示例注解:
• 标准差的 Bonferroni 置信区间显示以下内容:
• 公路类型:第一个因子。
• 经验:第二个因子。
• N:单元中的观测值数。例如,在六个因子水平 组合的每一单元中有四个观测值。
• 下限和上限:为每个 sigma给定的 95.0% 置信区 间时的下端点值和上端点值。每个区间提供对应 单元的总体标准差的一个估计值。例如,区间 (2.80384, 40.4990) 为公路类型 = 1 和经验 = 0 估计总体标准差。根据此区间, sigma介于 2.80384 与 40.4990 之间。
均值分析图示例
效应
2
0
-2 Strength 1 Minutes 10
Density 的双因子正态平均值分析
Alpha = 0.05
交互效应
2
3
1
2
3
1
2
15
18
1.578 0 -1.578 3Biblioteka 765 10
Minutes 的主效应
7.145
6.222
15 Minutes
5.300 18
平均值
Strength 的主效应
• 与单元(配对因素)对应的总体标准差的 点估计值是指该单元中观测值的样本标准 差。一个单元至少要有两个观测值来计算 样本标准差。如果没有,那么该单元的点 估计值在输出中为空白。
• 标准差的置信区间以卡方分布为基础。此 分布为非对称,因此,置信区间也是非对 称的。
示例
• 95% 标准差 Bonferroni 置信区间 • 方法 • 类型 经验 N 下限 标准差 上限 • 1 0 4 2.80384 5.88784 40.4990 • 1 1 4 1.84435 3.87298 26.6400 • 2 0 4 2.26721 4.76095 32.7478 • 2 1 4 1.98261 4.16333 28.6371 • 3 0 4 2.88359 6.05530 41.6509 • 3 1 4 2.42820 5.09902 35.0732
8
6 4
2 1
2 Strength
7.145 6.222 5.300
3
平均值
• 图例分析
• 使用平均值分析的主效应图可检验“每个因子的 水平平均值等于指定 a 水平时的总体平均值”这 一假设。Minitab 为双因子设计中的每个因子显示 一个主效应图。主效应图显示:
• 标绘点 - 每个因子水平中的样本平均值。
• Minitab 显示的图形类似于控制图,该图显示因子 的每个水平的平均值如何与总体平均值(也称为 总均值)进行比较。Minitab 对与总体平均值显著 不同的平均值进行标记。因此,平均值分析可以 说明水平平均值何时不同以及差异是什么。
• 通过方差分析,如果可以假定响应大致按正态分 布,那么可以使用平均值分析。另外,当响应由 比率(二项数据)和计数(Poisson 数据)组成 时,可以使用特殊的平均值分析版本。使用二项 数据时,样本数量 (n) 必须为常数。
注解3:等方差检验
• Bonferroni 置信区间
• Bonferroni 置信区间使用全族误差率。假设 该过程的全族置信水平为 95%。全族误差 率等于 1 - 置信水平 = 1 - 0.95 = 0.05。
• Bonferroni 法通过将全族误差率分割在各个 区间之中。假设有六个区间。将每个区间 的单个误差给定为 0.05 / 6 = 0.00833,计 算单个置信水平 1 - 0.0083 = 0.9917。由 于置信水平较大 (0.9917),因此单个区间 通常相当宽。这种方法使得一个或多个置 信区间不能覆盖其相关总体标准差的概率 最多为 0.05。
双因子方差分析过程不支持多重比较。
注:如果数据平衡,且您需要检查涉及随机因子 的交互作用,那么可以使用统计 > 方差分析 > 平 衡方差分析。如果需要使用多重比较对平均值进 行比较,或者如果数据不平衡,那么可以使用统 计 > 方差分析 > 一般线性模型。
注解2:关于平均值分析
• 平均值分析的英文缩写 ANOM 是看上去像方差分 析的英文缩写 ANOVA,平均值分析可检验总体 平均值的相等性。
• 当数据来自正态分布时使用 Bartlett 检验。对于 偏离正态性的情况,Bartlett 检验的功能并不强大。
• 当数据来自连续但不一定正态的分布时,请使用 Levene 检验。
注解5:主效应图
• 将主效应图与方差分析一起关联使用。当 平均响应值跨因子水平而更改时,主效应 随即出现。使用此图
• 中心线(绿色)- 总体平均值。 • 决策的上限和下限(红色)- 用来检验此假设。
Minitab 查找位于决策限之外的样本平均值,并用 红色符号对其进行标记。
• 如果样本平均值超出决策限,那么可以否 定“平均值等于总体平均值”这一假设。
• 如果样本平均值未超出决策限,那么不能 否定“平均值等于总体平均值”这一假设。
注解1:关于平衡两因素和平衡设计方差分析的区别
使用双因子方差分析 (ANOVA) 过程可在存在两 个固定因子时检验总体平均值的相等性。此过程 要求因子水平每一组合的观测值数必须相同(平 衡)。
仅当需要拟合可加性模型(Fit additive model) (无交互作用项的模型)时,其中一个或这两个 因子才可以为随机值。
相关文档
最新文档