13.4 期望均方的规则
方差分析是试验设计问题的重要组成部分。它需要确定模型中各分量的平方和及相应自由度,然后求出期望均方,以构造适当的检验统计量。在复杂设计中,尤其是随机模型或混合模型中,使用一套明确的规则往往很有帮助。
下面给出一组规则,用于写出任何平衡析因试验、嵌套试验[1]或嵌套析因试验中各模型项的自由度和期望均方。(拉丁方和不完全区组设计等部分平衡安排不在此列。)其他规则可参见 Scheffé(1959)、Bennett 和 Franklin(1954)、Cornfield 和 Tukey(1956)以及 Searle(1971a,1971b)。考察期望均方,可构造检验任一模型参数的统计量。它是两个均方的比值,选取这两个均方时,应使其期望仅相差我们关注的方差分量或固定效应分量。
任何模型的期望均方都可像第 3 章那样直接应用期望算子求得。这种通常称为直接推导的方法可能非常繁琐。下面的规则无需直接推导便可得到期望均方,使用起来较简单。我们以重复 次的两因子固定效应析因模型说明这些规则。
规则 1。 模型的误差项为 ,其中 是重复的下标。对于两因子模型,误差项为 。与误差项对应的方差分量是 。
规则 2。 除总体均值 和误差项 外,模型包含全部主效应以及试验者认为存在的交互作用。若 个因子的所有交互作用都存在,则有 个两因子交互作用、 个三因子交互作用,依此类推,直至 1 个 因子交互作用。若某模型项中一个因子的下标出现在圆括号内,则该项不表示它与其他因子的交互作用。
规则 3。 对除 和误差项以外的每个模型项,将下标分成三类:(a)活动下标,出现在该项中且不在圆括号内;(b)非活动下标,出现在该项中且位于圆括号内;(c)缺失下标,出现在模型中但不在该项中。两因子固定效应模型没有非活动下标,后面会遇到这类模型。例如, 中 是活动下标, 是缺失下标。
规则 4:自由度。 任一效应的自由度,是每个非活动下标所对应的水平数与每个活动下标所对应的“水平数减一”的乘积。例如, 的自由度为 。误差自由度由 减去所有其他项的自由度之和得到,其中 为观测总数。
规则 5。 每个模型项都有相应的方差分量(随机效应)或固定效应分量。若交互作用至少含一个随机效应,则整个交互作用视为随机效应。方差分量以希腊字母下标标识相应随机效应。例如,A 固定、B 随机的两因子混合模型中,B 的方差分量为 ,AB 的方差分量为 。固定效应分量用该因子各模型分量的平方和除以相应自由度表示。在本例中,A 的固定效应分量为
规则 6:期望均方。 每个模型分量都有一个期望均方。误差的期望均方为 。对受限模型的其他各项,其期望均方包含 、该项的方差分量或固定效应分量,以及所有包含该效应、且不涉及与其他固定效应交互作用的模型项的分量。每个方差分量或固定效应分量的系数,是该分量每个不同取值对应的观测数。
以两因子固定效应模型为例,考察交互作用的期望均方 。它只包含 AB 的固定效应分量(因为没有其他模型项包含 AB)和 。每个交互作用分量取值对应 个观测值,即每个单元中的 个观测值,所以固定效应分量的系数为 。因此,
再以两因子固定效应模型为例,A 主效应的期望均方为
分子中的系数为 ,因为 A 的每个水平对应 个观测值。AB 交互作用项不进入此期望均方,因为尽管 AB 包含所关注的效应 A,因子 B 却是固定效应。
为说明规则 6 如何应用于随机效应模型,考虑两因子随机模型。AB 交互作用的期望均方为
A 主效应的期望均方为
AB 交互作用的方差分量被包含在内,因为 AB 包含 A,且 B 是随机效应。
现在考虑两因子混合模型的受限形式。AB 交互作用的期望均方仍为
固定因子 A 的主效应的期望均方为
这里包含交互作用方差分量,因为 AB 包含 A,且 B 为随机效应。B 主效应的期望均方为
此处不包含交互作用方差分量,因为虽然 AB 包含 B,A 却是固定效应。这些期望均方与式(13.9)中两因子混合模型的结果一致。
对规则 6 作简单修改,就可以得到非受限混合模型的期望均方:包含所关注效应本身的项,再包含所有含该效应且至少有一个随机因子的项。例如,在两因子非受限混合模型中,两因子交互作用的期望均方为
(注意,受限和非受限模型的分量记号不同。)固定因子 A 的主效应的期望均方为
随机因子 B 的主效应的期望均方为
这些正是式(13.12)中非受限混合模型的期望均方。
例 13.4¶
考虑一个三因子析因试验,A 有 个水平,B 有 个水平,C 有 个水平,重复 次。第 5.4 节给出了各因子均为固定效应时的分析。现在假定所有因子均为随机因子,求其期望均方。适当的统计模型为
按上述规则得到的期望均方列于表 13.8。
考察表 13.8 可知,当 A、B、C 均为随机因子时,各主效应没有可直接使用的精确 F 检验。例如,检验 时,无法找到两个均方,使分子的期望比分母仅多出 这一项。B 和 C 的主效应也存在同样问题。不过,两因子和三因子交互作用有适当的检验。主效应检验往往又是试验者最关心的内容,那么应如何进行?下一节讨论这个问题。
表 13.8¶
三因子随机效应模型的期望均方
| 模型项 | 因子 | 期望均方 |
| $\tau_i$ | A,主效应 | $\sigma^2 + cn\sigma_{\tau\beta}^2 + bn\sigma_{\tau\gamma}^2 + n\sigma_{\tau\beta\gamma}^2 + bcn\sigma_{\tau}^2$ |
| $\beta_j$ | B,主效应 | $\sigma^2 + cn\sigma_{\tau\beta}^2 + an\sigma_{\beta\gamma}^2 + n\sigma_{\tau\beta\gamma}^2 + acn\sigma_{\beta}^2$ |
| $\gamma_k$ | C,主效应 | $\sigma^2 + bn\sigma_{\tau\gamma}^2 + an\sigma_{\beta\gamma}^2 + n\sigma_{\tau\beta\gamma}^2 + abn\sigma_{\gamma}^2$ |
| $(\tau\beta)_{ij}$ | AB,两因子交互作用 | $\sigma^2 + n\sigma_{\tau\beta\gamma}^2 + cn\sigma_{\tau\beta}^2$ |
| $(\tau\gamma)_{ik}$ | AC,两因子交互作用 | $\sigma^2 + n\sigma_{\tau\beta\gamma}^2 + bn\sigma_{\tau\gamma}^2$ |
| $(\beta\gamma)_{jk}$ | BC,两因子交互作用 | $\sigma^2 + n\sigma_{\tau\beta\gamma}^2 + an\sigma_{\beta\gamma}^2$ |
| $(\tau\beta\gamma)_{ijk}$ | ABC,三因子交互作用 | $\sigma^2 + n\sigma_{\tau\beta\gamma}^2$ |
| $\epsilon_{ijkl}$ | 误差 | $\sigma^2$ |
嵌套设计将在第 14 章讨论。