Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

14.2 一般的 m 阶段嵌套设计

第 14.1 节的结果容易推广到 mm 个完全嵌套因子的情形,称为 mm 阶段嵌套设计。例如,某铸造厂希望研究两种金属合金配方的硬度。每种配方熔炼三炉,每炉随机选取两个铸锭进行试验,每个铸锭测量两次硬度,安排见图 14.5。

炉次嵌套在合金配方之下,铸锭嵌套在炉次之下,因此这是重复两次的三阶段嵌套设计。

一般三阶段嵌套设计的模型为

yijkl=μ+τi+βj(i)+γk(ij)+ϵ(ijk)l{i=1,2,…,aj=1,2,…,bk=1,2,…,cl=1,2,…,n(14.13)y _ {i j k l} = \mu + \tau_ {i} + \beta_ {j (i)} + \gamma_ {k (i j)} + \epsilon_ {(i j k) l} \left\{ \begin{array}{l} i = 1, 2, \ldots , a \\ j = 1, 2, \ldots , b \\ k = 1, 2, \ldots , c \\ l = 1, 2, \ldots , n \end{array} \right.\tag{14.13}

在本例中,τi\tau_i 是第 ii 种合金配方的效应,βj(i)\beta_{j(i)} 是该配方内第 jj 炉的效应,γk(ij)\gamma_{k(ij)} 是该配方第 jj 炉中第 kk 个铸锭的效应,ϵ(ijk)l\epsilon_{(ijk)l} 是通常的独立 N(0,σ2)N(0,\sigma^2) 误差项。推广到 mm 个因子是直接的。

上例的硬度总变异来自合金配方、炉次、铸锭以及分析测量误差等层次。图 14.6 示意了这些变异来源。

这个例子说明,嵌套设计常用于分析过程并识别输出变异的主要来源。例如,若合金配方的方差分量较大,则只使用一种配方可能降低硬度总变异。

mm 阶段嵌套设计的平方和计算与方差分析类似于第 14.1 节。例如,表 14.8 汇总了三阶段嵌套设计的方差分析,并列出平方和定义。这些公式是两阶段公式的简单推广,许多统计软件都能完成计算。

为确定适当的检验统计量,必须用第 13 章的方法求期望均方。例如,A、B 固定而 C 随机时,期望均方见表 14.9,据此可选择检验统计量。

教材原图
图 14.5 三阶段嵌套设计

教材原图
图 14.6 三阶段嵌套设计例子中的变异来源 表 14.8

三阶段嵌套设计的方差分析

变异来源平方和自由度均方
A$bcn\sum_{i}(\overline{y}_{i...}-\overline{y}_{...})^{2}$a-1$MS_{A}$
B(A 内)$cn\sum_{i}\sum_{j}(\overline{y}_{ij..}-\overline{y}_{i...})^{2}$a(b-1)$MS_{B(A)}$
C(B 内)$n\sum_{i}\sum_{j}\sum_{k}(\overline{y}_{ijk.}-\overline{y}_{ij..})^{2}$ab(c-1)$MS_{C(B)}$
误差$\sum_{i}\sum_{j}\sum_{k}\sum_{l}(y_{ijkl}-\overline{y}_{ijk.})^{2}$abc(n-1)$MS_{E}$
总计$\sum_{i}\sum_{j}\sum_{k}\sum_{l}(y_{ijkl}-\overline{y}_{....})^{2}$abcn-1

表 14.9

A、B 固定而 C 随机的三阶段嵌套设计的期望均方

模型项期望均方
$\tau_{i}$$\sigma^{2} + n\sigma_{\gamma}^{2} + \frac{bcn\σ\tau_{i}^{2}}{a-1}$
$\beta_{j(i)}$$\sigma^{2} + n\sigma_{\gamma}^{2} + \frac{cn\σ\σ\beta_{j(i)}^{2}}{a(b-1)}$
$\gamma_{k(ij)}$$\sigma^{2} + n\sigma_{\gamma}^{2}$
$\epsilon_{l(ijk)}$$\sigma^{2}$