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.

习题 3.38:由平方和估计误差与组间变异

习题与答案 / 第 3 章 单因子试验与方差分析

第 9 版 · 第 3 章 · 原书章末习题见印刷页 125~134。

题目

4 个水平,每水平 3 次重复,总平方和 330.56,处理平方和 250.65。

(a) 估计误差方差;

(b) 处理解释多少响应变异?

答案与解析

(a)误差方差估计

模型与模型假设(固定效应):yij=μi+ϵij=μ+τi+ϵijy_{ij}=\mu_i+\epsilon_{ij}=\mu+\tau_i+\epsilon_{ij},i=1,…,ai=1,\ldots,a,j=1,…,nij=1,\ldots,n_i;ϵij∼iidN(0,σ2)\epsilon_{ij}\overset{\mathrm{iid}}\sim N(0,\sigma^2)。误差独立、正态且同方差,处理分配及抽样符合题意;不平衡设计使用实际 nin_i。取 ∑iniτi=0\sum_i n_i\tau_i=0 识别参数;平衡时等价于 ∑iτi=0\sum_i\tau_i=0。

原假设和备择假设:H0:μ1=⋯=μaH_0:\mu_1=\cdots=\mu_a;H1H_1:至少一个总体均值不同。

平方和公式与检验统计量:令 N=∑iniN=\sum_i n_i,yˉi=∑jyij/ni\bar y_i=\sum_jy_{ij}/n_i,yˉ⋅⋅=∑i∑jyij/N\bar y_{\cdot\cdot}=\sum_i\sum_jy_{ij}/N。

SSA=∑ini(yˉi−yˉ⋅⋅)2,SSE=∑i∑j(yij−yˉi)2,SS_A=\sum_i n_i(\bar y_i-\bar y_{\cdot\cdot})^2,\qquad SS_E=\sum_i\sum_j(y_{ij}-\bar y_i)^2,
SST=∑i∑j(yij−yˉ⋅⋅)2=SSA+SSE,SS_T=\sum_i\sum_j(y_{ij}-\bar y_{\cdot\cdot})^2=SS_A+SS_E,
MSA=SSAa−1,MSE=SSEN−a,F0=MSAMSE∼H0Fa−1,N−a.MS_A=\frac{SS_A}{a-1},\quad MS_E=\frac{SS_E}{N-a},\quad F_0=\frac{MS_A}{MS_E}\overset{H_0}{\sim}F_{a-1,N-a}.

当 F0>F1−α,a−1,N−aF_0>F_{1-\alpha,a-1,N-a} 时拒绝 H0H_0,P=P(Fa−1,N−a≥F0)P=P(F_{a-1,N-a}\ge F_0)。本文分位数均为下侧累积概率分位数。

点估计量:μ^i=yˉi\hat\mu_i=\bar y_i,σ^2=MSE\hat\sigma^2=MS_E;各组样本方差为 si2=∑j(yij−yˉi)2/(ni−1)s_i^2=\sum_j(y_{ij}-\bar y_i)^2/(n_i-1)。以下为 ANOVA Table 与计算结果。

来源自由度平方和均方FFPP 值
处理3250.6583.558.364410.00754584
误差879.919.98875——
总计11330.56———

σ^2=MSE=(330.56−250.65)/8=9.98875\hat\sigma^2=MS_E=(330.56-250.65)/8=\mathbf{9.98875}。

(b)解释变异的比例

固定效应描述性估计为 R^2=SSA/SST=250.65/330.56=75.83%\hat R^2=SS_A/SS_T=250.65/330.56=\mathbf{75.83\%}。

若按后续题的随机效应解释,σ^τ2=(MSA−MSE)/n=24.52042\hat\sigma_\tau^2=(MS_A-MS_E)/n=24.52042,占比估计量为 ρ^=σ^τ2/(σ^τ2+σ^2)=71.06%\hat\rho=\hat\sigma_\tau^2/(\hat\sigma_\tau^2+\hat\sigma^2)=\mathbf{71.06\%}。两种比例定义不同,应随模型说明。


答案来源:参考:ch03.pdf,原题 3.33;本页按第 9 版编号。

← 上一题 3.37 · 本章题目目录 · 下一题 3.39 →