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 4.34:缺失观测的估计与分析

习题与答案 / 第 4 章 随机区组、拉丁方与相关设计

第 9 版 · 第 4 章 · 原书章末习题见印刷页 171~178。题目依据第 9 版,参考答案按题意匹配。

题目

沿用习题 4.27 的数据。假设批次 3、日期 4 的观测缺失。估计缺失值并用其分析。

下表为原完整数据;分析时删除指定观测。

行/列12345
1A = 8B = 7D = 1C = 7E = 3
2C = 11E = 2A = 7D = 3B = 8
3B = 4A = 9C = 10E = 1D = 5
4D = 6C = 8E = 6B = 6A = 10
5E = 4D = 2B = 3A = 8C = 8

答案与解析

拉丁方单个缺失值估计为 x^=[p(R′+C′+T′)−2G′]/[(p−1)(p−2)]\hat x=[p(R^\prime+C^\prime+T^\prime)-2G^\prime]/[(p-1)(p-2)],各带撇总和均不含缺失值。

缺失值的最小二乘预测为 3.58333。补值后误差自由度必须减少 1。补值传统法给出处理平方和 128.661、F=10.3104F=10.3104;精确法则在真实观测上使用调整平方和,见下表。两法的误差平方和相同,但处理平方和一般不同,正式结论以精确检验为准。

模型与假设:yij=μ+τL(i,j)+ρi+κj+ϵijy_{ij}=\mu+\tau_{L(i,j)}+\rho_i+\kappa_j+\epsilon_{ij},各组效应和为零;各误差独立同分布为 N(0,σ2)N(0,\sigma^2),所有因子效应可加,没有交互作用。L(i,j)L(i,j) 是该单元的处理标签。行、列及处理均为固定效应。

原假设与备择假设:H0:τ1=⋯=τp=0H_0:\tau_1=\cdots=\tau_p=0;H1H_1:至少一个处理效应不为零。设 C=G2/p2C=G^2/p^2,各因子水平总和为 UlU_l,

SST=∑y2−C,SS因子=1p∑lUl2−C,SS_T=\sum y^2-C,\qquad SS_{\text{因子}}=\frac1p\sum_lU_l^2-C,
SSE=SST−SSA−SSR−SSC,F0=SSA/(p−1)SSE/[(p−1)(p−2)].SS_E=SS_T-SS_A-SS_R-SS_C,\qquad F_0=\frac{SS_A/(p-1)}{SS_E/[(p-1)(p-2)]}.

显著性水平取 0.05;处理、行、列自由度各为 p−1p-1,总自由度 p2−1p^2-1。

缺失/非正交资料的精确检验:在保留下来的真实观测上拟合上述加性模型。令全模型和删去待检验因子的简化模型设计矩阵分别为 XF,XRX_F,X_R,H=XX+H=X X^+ 为正交投影,

SSE=y′(I−HF)y,SSA∣其他=y′(HF−HR)y,SS_E=y'(I-H_F)y,\quad SS_{A\mid\text{其他}}=y'(H_F-H_R)y,
F0=[SSER−SSEF]/[rank⁡XF−rank⁡XR]SSEF/[N−rank⁡XF].F_0=\frac{[SSE_R-SSE_F]/[\operatorname{rank}X_F-\operatorname{rank}X_R]}{SSE_F/[N-\operatorname{rank}X_F]}.

参数用最小二乘估计,检验 H0H_0:所有可估计的处理差为零;备择为至少一个不为零。误差仍须独立、正态、同方差。表中先列区组因子的顺序平方和,最后列调整后的处理平方和,使各项相加等于总平方和;它们不能全部当作偏平方和。

来源自由度平方和均方FFPP 值
行419.43334.85833——
列47.451.8625——
处理(调整后)4120.63330.15839.667070.00132439
误差1134.31673.1197——
总计23181.833———

F0=9.66707F_0=9.66707,P=0.00132439P=0.00132439,拒绝处理均值相等的原假设,有处理差异的证据。


答案来源:按题意对应 Exercises/ch04.pdf 的 4.31;公式与数值由编者复核,补充完整推导与诊断。

← 上一题 4.33 · 本章题目目录 · 下一题 4.35 →