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 3.42:漂白化学品与纸浆亮度

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

《Journal of Quality Technology》第 13 卷第 2 期(1981 年)、111~114 页的一篇文章,介绍了研究四种漂白化学品对纸浆亮度影响的试验。这四种化学品是从大量候选漂白剂中随机抽取的。数据如下。原书表头误写成“炉子”和“温度”,本页按研究背景标为化学品与亮度。

组别/处理条件观测值(同一行属于同一组)
177.199,74.466,92.746,76.208,82.876
280.522,79.306,81.914,80.346,73.385
379.417,78.017,91.596,80.802,80.626
478.001,78.358,77.544,77.364,77.386

(a) 不同化学品是否存在差异?取 α=0.05\alpha=0.05。

(b) 估计化学品类型所引起的变异。

(c) 估计随机误差所引起的变异。

(d) 分析试验残差,评价模型适合性。

答案与解析

(a)随机化学品效应的检验

模型与模型假设(随机效应):yij=μ+ui+ϵijy_{ij}=\mu+u_i+\epsilon_{ij},ui∼iidN(0,στ2)u_i\overset{\mathrm{iid}}\sim N(0,\sigma_\tau^2),ϵij∼iidN(0,σ2)\epsilon_{ij}\overset{\mathrm{iid}}\sim N(0,\sigma^2);随机效应与误差相互独立,抽取的水平代表目标水平总体。不同组独立,同组观测的边际协方差为 στ2\sigma_\tau^2,不能把同组观测的边际独立性当作假设。

原假设和备择假设:H0:στ2=0H_0:\sigma_\tau^2=0;H1:στ2>0H_1:\sigma_\tau^2>0。

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。

方差分量估计量:σ^2=MSE\hat\sigma^2=MS_E,σ^τ2=(MSA−MSE)/n0\hat\sigma_\tau^2=(MS_A-MS_E)/n_0,其中 n0=[N−∑ini2/N]/(a−1)n_0=[N-\sum_i n_i^2/N]/(a-1),平衡时 n0=nn_0=n。表中组样本均值仅作描述,不是随机效应的 BLUP;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353.982117.9940.7497690.538278
误差16383.99123.9994——
总计19437.973———
组别样本量均值样本标准差
1580.6997.43537
2579.09463.32403
3582.09165.4291
4577.73060.434371

在 0.05 水平不拒绝化学品间方差为零。

(b)化学品方差分量

σ^τ2=(MSA−MSE)/n0\hat\sigma_\tau^2=(MS_A-MS_E)/n_0,其中 n0=[N−∑ini2/N]/(a−1)n_0=[N-\sum_i n_i^2/N]/(a-1);n0=5n_0=5,结果为 σ^τ2=−1.20108\hat\sigma_\tau^2=-1.20108。无约束估计为负,应限制在非负参数空间中重新估计,不能解释为负的实际方差。

约束 REML 的化学品方差为 0。负的矩估计仅提示组间信号不足,不代表存在负的实际变异。

(c)误差方差估计

σ^2=MSE=SSE/(N−a)\hat\sigma^2=MS_E=SS_E/(N-a),结果为 σ^2=23.9994\hat\sigma^2=23.9994。

这是 ANOVA 矩估计;若采用化学品分量为零的约束 REML,σ^2=SST/(N−1)=23.05121\hat\sigma^2=SS_T/(N-1)=23.05121,估计方法不同应标明。

(d)残差分析

残差定义:y^ij=yˉi\hat y_{ij}=\bar y_i,eij=yij−yˉie_{ij}=y_{ij}-\bar y_i。变换分析时使用相应变换尺度的响应。随机效应题这里采用组内中心化残差检查组内误差;组均值是诊断基准,不冒充 REML 的 BLUP 拟合值。

习题 3.42:观测值、残差 Q–Q 图、残差记录顺序图、残差 vs 拟合值图(raw)

三项诊断:Q–Q 图用于检查尾部、偏态及异常残差;残差记录顺序图用于展示原表记录的相邻变化;残差 vs 拟合值图用于观察方差是否随处理均值变化。

时序资料的限制:原题只提供分组观测,没有实际运行时间和随机运行次序。左下图按原表组内记录顺序排列,虚线表示组界,不是实际残差时序图;组界附近的变化不能解释为时间效应。若要完成真正的时序诊断,须取得原始运行顺序后按该顺序重画。当前不能仅凭此图断言误差在时间上独立。单样本或配对差的拟合值为常数时,残差 vs 拟合值图也不能检验复杂均值结构。

第 1、3 组各有较大的观测,Q–Q 尾部及异方差需要关注。真实运行时序未知,不能由分组记录顺序推断时间独立性。


答案来源:参考答案文件无直接对应题;解析由编者补充。

← 上一题 3.41 · 本章题目目录 · 下一题 3.43 →