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.

15.4 重复测量

社会与行为科学,以及工程、自然科学和商业中的一些试验,常以人为试验单位。经验、训练和背景不同,可能使不同人对同一处理的响应差异很大。若不控制,个体间变异将并入试验误差,可能显著增大误差均方,使真实处理差异更难发现。重复测量的单位也不一定是人,可以是营销研究中的商店、植物、试验动物等,统称为受试单位。

让每个受试单位都接受全部 aa 个处理,可以控制单位间变异,这称为重复测量设计。本节简要介绍单因子重复测量试验。

设有 aa 个处理,nn 个受试单位,每个单位恰好接受每个处理一次,数据布局见表 15.25。yijy_{ij} 是单位 j 对处理 i 的响应,实际只使用 n 个单位。模型为

yij=μ+τi+βj+ϵij(15.45)y _ {i j} = \mu + \tau_ {i} + \beta_ {j} + \epsilon_ {i j}\tag{15.45}

其中,τi\tau_i 是处理 i 的效应,βj\beta_j 是单位 j 的效应。假定处理固定,∑i=1aτi=0\sum_{i=1}^a\tau_i=0;受试单位从较大总体随机抽取,构成随机效应,E(βj)=0E(\beta_j)=0、V(βj)=σβ2V(\beta_j)=\sigma_\beta^2。同一单位的全部 a 次测量共有 βj\beta_j,因此其响应之间通常有非零协方差。这里假定该协方差在不同处理与单位之间相同。

考虑总平方和的分解:

∑i=1a∑j=1n(yij−y‾⋅.)2=a∑j=1n(y‾⋅j−y‾⋅.)2+∑i=1a∑j=1n(yij−y‾⋅j)2(15.46)\sum_ {i = 1} ^ {a} \sum_ {j = 1} ^ {n} (y _ {i j} - \overline {{y}} _ {\cdot .}) ^ {2} = a \sum_ {j = 1} ^ {n} (\overline {{y}} _ {\cdot j} - \overline {{y}} _ {\cdot .}) ^ {2} + \sum_ {i = 1} ^ {a} \sum_ {j = 1} ^ {n} (y _ {i j} - \overline {{y}} _ {\cdot j}) ^ {2}\tag{15.46}

式(15.46)右端第一项是单位间差异平方和,第二项是单位内差异平方和,即

SST=SS受试单位间+SS受试单位内S S _ {T} = S S _ {\text{受试单位间}} + S S _ {\text{受试单位内}}

表 15.25

单因子重复测量设计的数据布局

处理受试单位n处理合计
12$\cdots$
1$y_{11}$$y_{12}$$\cdots$$y_{1n}$$y_{1.}$
2$y_{21}$$y_{22}$$\cdots$$y_{2n}$$y_{2.}$
$\vdots$$\vdots$$\vdots$$\vdots$$\vdots$
a$y_{a1}$$y_{a2}$$y_{an}$$y_{a.}$
受试单位合计$y_{.1}$$y_{.2}$$\cdots$$y_{..n}$$y_{..}$

单位间平方和与单位内平方和相互独立,自由度为

an−1=(n−1)+n(a−1)a n - 1 = (n - 1) + n (a - 1)

单位内差异同时来自处理效应差异和未控制变异(噪声或误差),因此进一步分解为

∑i=1a∑j=1n(yij−y‾.j)2=n∑i=1a(y‾i.−y‾..)2+∑i=1a∑j=1n(yij−y‾i.−y‾.j+y‾..)2(15.47)\sum_ {i = 1} ^ {a} \sum_ {j = 1} ^ {n} (y _ {i j} - \overline {{y}} _ {. j}) ^ {2} = n \sum_ {i = 1} ^ {a} (\overline {{y}} _ {i.} - \overline {{y}} _ {..}) ^ {2} + \sum_ {i = 1} ^ {a} \sum_ {j = 1} ^ {n} (y _ {i j} - \overline {{y}} _ {i.} - \overline {{y}} _ {. j} + \overline {{y}} _ {..}) ^ {2}\tag{15.47}

式(15.47)第一项衡量处理均值差异的贡献,第二项为残余误差变异,二者相互独立。因此,

SS受试单位内=SS处理+SSES S _ {\text{受试单位内}} = S S _ {\text{处理}} + S S _ {E}

对应自由度分别为

n(a−1)=(a−1)+(a−1)(n−1)n (a - 1) = (a - 1) + (a - 1) (n - 1)

检验无处理效应假设,即

H0 ⁣:τ1=τ2=⋯=τa=0H1 ⁣:至少一个τi≠0\begin{array}{l} H _ {0} \colon \tau_ {1} = \tau_ {2} = \dots = \tau_ {a} = 0 \\ H _ {1} \colon \text{至少一个} \tau_ {i} \neq 0 \end{array}

使用比值

F0=SS处理/(a−1)SSE/(a−1)(n−1)=MS处理MSE(15.48)F _ {0} = \frac {S S _ {\text{处理}} / (a - 1)}{S S _ {E} / (a - 1) (n - 1)} = \frac {M S _ {\text{处理}}}{M S _ {E}}\tag{15.48}

表 15.26

单因子重复测量设计的方差分析

变异来源平方和自由度均方$F_0$
1. 受试者间$\sum_{j=1}^{n} \frac{y_{\cdot j}^2}{a} - \frac{y_{\cdot\cdot}^2}{an}$n-1
2. 受试者内$\sum_{i=1}^{a} \sum_{j=1}^{n} y_{ij}^2 - \sum_{j=1}^{n} \frac{y_{\cdot j}^2}{a}$n(a-1)
3. 处理$\sum_{i=1}^{a} \frac{y_{i\cdot}^2}{n} - \frac{y_{\cdot\cdot}^2}{an}$a-1$MS_{\text{处理}} = \frac{SS_{\text{处理}}}{a-1}$$\frac{MS_{\text{处理}}}{MS_E}$
4. 误差差:第(2)行 − 第(3)行(a-1)(n-1)$MS_E = \frac{SS_E}{(a-1)(n-1)}$
5. 总计$\sum_{i=1}^{a} \sum_{j=1}^{n} y_{ij}^2 - \frac{y_{\cdot\cdot}^2}{an}$an-1
教材原图

在这里的独立正态误差及共同协方差结构假定下,原假设成立时 F0F_0 服从 Fa−1,(a−1)(n−1)F_{a-1,(a-1)(n-1)} 分布。当 F0>Fα,a−1,(a−1)(n−1)F_0>F_{\alpha,a-1,(a-1)(n-1)} 时拒绝原假设。

方差分析汇总于表 15.26,并给出平方和计算公式。该分析相当于将受试单位作为区组的随机完全区组设计,残差分析和模型检查也相同。实际重复测量若具有更复杂的相关结构,应另行检查这一协方差假定。