15.2 析因设计中的不平衡数据
本书主要讨论平衡析因设计,即各单元观测数同为 n 的情形。但各单元观测数不同也很常见,称为不平衡析因设计,其原因有多种。
例如,原先设计平衡试验,但运行中出现意外,损失部分观测,最终数据不平衡。也可能有意采用不平衡设计:某些处理组合较贵或较难运行,因而观测较少;某些组合代表新的或尚未探索的条件,更受关注,因而增加重复。
平衡数据中主效应与交互作用的正交性质一般不再成立,通常的平衡方差分析公式不能直接使用,因此不平衡析因设计的分析更困难。
本节简要介绍处理方法,重点为两因子固定效应模型。设第 ij 单元观测数为 nij,第 i 行总观测数为 ni⋅=∑j=1bnij,第 j 列总观测数为 n⋅j=∑i=1anij,全部观测数为 n⋅⋅=∑i=1a∑j=1bnij。
15.2.1 比例数据:一种简单情形¶
有一种不平衡数据分析较简单,称为比例数据。此时第 ij 单元观测数为
nij=n⋅⋅ni⋅n⋅j(15.11) 这意味着任意两行或两列的观测数成比例。可以采用标准方差分析,只需稍改平方和的手算公式:
SST=∑i=1a∑j=1b∑k=1nijyijk2−n⋅⋅y⋯2SSA=∑i=1ani⋅yi⋅⋅2−n⋅⋅y⋯2SSB=∑j=1bn⋅jy⋅j⋅2−n⋅⋅y⋯2SSAB=∑i=1a∑j=1bnijyij⋅2−n⋅⋅y⋯2−SSA−SSBSSE=SST−SSA−SSB−SSAB=∑i=1a∑j=1b∑k=1nijyijk2−∑i=1a∑j=1bnijyij⋅2 由此得到顺序拟合模型的方差分析,先拟合 A,再拟合 B。也可采用类似第 4 章不完全区组设计的调整拟合方法。书中采用的 Minitab 平衡方差分析程序可实现这两种分析。
以例 5.1 的电池设计试验为例,修改后的数据见表 15.6。数据显然成比例,例如第 1、1 单元有
n11=n..n1.n.1=2010(8)=4 表 15.6¶
具有比例数据的电池设计试验
| 材料类型 | 温度, (°F) |
| 15 | 70 | 125 |
| 1 | $n_{11} = 4$ | $n_{12} = 4$ | $n_{13} = 2$ |
| 130 | 155 | 34 | 40 | | |
| 74 | 180 | 80 | 75 | 70 | 58 |
| 2 | $n_{21} = 2$ | $n_{22} = 2$ | $n_{23} = 1$ |
| 159 | 126 | 136 | 115 | 45 |
| 3 | $n_{31} = 2$ | $n_{32} = 2$ | $n_{33} = 1$ |
| 138 | 160 | 150 | 139 | 96 |
| $n_{.1} = 8$ | $n_{.2} = 8$ | $n_{.3} = 4$ |
| $y_{.1.} = 1122$ | $y_{.2.} = 769$ | $y_{.3.} = 269$ |
个观测。通常方差分析结果见表 15.7:材料类型和温度显著,交互作用的 P 值约为 0.17。因此,除交互作用不显著外,结论与例 5.1 完整数据的分析基本一致。
15.2.2 近似方法¶
若不平衡程度较小,有时可用近似方法将问题转为平衡数据问题。分析虽为近似,但平衡数据容易处理,因而颇具吸引力。必须判断不平衡程度是否足够小,使引入的近似影响不大。下面简述几种方法,假定每个单元至少有一个观测,即 nij≥1。
估计缺失观测值。 若只有少数 nij 不同,可以估计缺失值。例如,表 15.8 的第 2、2 单元仅缺一个值。对含交互作用的模型,使误差平方和最小的缺失值估计为 yˉij⋅,即该单元已有观测的平均值。
将估计值按数据处理,但误差自由度须减去估计的缺失值数。例如,补出表 15.8 的一个缺失值后,误差自由度为 26 而非 27。这是一种近似处理。
表 15.7¶
表 15.6 电池设计数据的方差分析
| 来源 of 方差 | 平方和 | 自由度 | 均方 | $F_0$ |
| 材料类型 | 7,811.6 | 2 | 3,905.8 | 4.78 |
| 温度 | 16,090.9 | 2 | 8,045.5 | 9.85 |
| 交互作用 | 6,266.5 | 4 | 1,566.6 | 1.92 |
| 误差 | 8,981.0 | 11 | 816.5 | |
| 总计 | 39,150.0 | 19 | | |
表 15.8 不平衡设计的 nij 值
表 15.9 不平衡设计的 nij 值
暂时舍去数据。 表 15.9 中第 2、2 单元仅比其他单元多一个观测。为其余八个单元估计缺失值并不理想,因为估计值将占最终数据约 18%。另一办法是暂时舍去该单元的一个观测,形成 n=4 的平衡设计。
舍去的观测应随机选取。还可把它放回,再随机舍去另一个观测,重复分析,检查两次结论是否一致。若不一致,应检查被舍去值是否为异常值。只舍去少数观测且单元内变异较小时,通常不易出现这种矛盾。
不加权均值法。 Yates(1934)提出将单元平均值作为数据,作标准平衡分析,求行、列及交互作用平方和。误差均方为
MSE=n⋅⋅−ab∑i=1a∑j=1b∑k=1nij(yijk−yij⋅)2(15.12) MSE 估计单个观测 yijk 的方差 σ2。但分析对象是单元均值,其方差为 σ2/nij,因此实际使用的误差均方应估计各单元均值方差的平均值,即
V(yij⋅)=ab∑i=1a∑j=1bσ2/nij=abσ2i=1∑aj=1∑bnij1(15.13) 用式(15.12)的 MSE 估计式(15.13)中的 σ2,得到
MSE′=abMSEi=1∑aj=1∑bnij1(15.14) 以此作为方差分析的误差均方,自由度为 n⋅⋅−ab。
不加权均值法只是近似方法,因为行、列和交互作用平方和一般不服从通常的缩放卡方分布。其主要优点是计算简单。当各 nij 差别不大时,常能取得较合理的效果。
相关方法是 Yates(1934)提出的均值加权平方和法,同样基于单元均值,但以方差的倒数作为权重。详见 Searle(1971)以及 Speed、Hocking 和 Hackney(1978)。
15.2.3 精确方法¶
若近似方法不适合,例如存在空单元(某些 nij=0)或观测数差别很大,则必须采用精确分析。将方差分析模型表示为回归模型,拟合数据,再用一般回归显著性检验构造主效应和交互作用的平方和。不过,拟合和比较模型可以有多种方式,所得平方和可能不同,所检验假设也未必直接对应平衡情形,且不一定易于解释。详见本章补充材料,以及 Searle(1971),Hocking 和 Speed(1975),Hocking、Hackney 和 Speed(1978),Speed、Hocking 和 Hackney(1978),Searle、Speed 和 Henderson(1981),Milliken 和 Johnson(1984),Searle(1987)。SAS 的 PROC GLM 提供了分析不平衡数据的方法。