Professional Documents
Culture Documents
Chuong 3 - Anova 2 Yếu Tố
Chuong 3 - Anova 2 Yếu Tố
i 1
SSBL - Thể hiện biến thiên do sự khác nhau giữa
các khối (hàng).
Sum of squares due to error (SSE)
SSE –Sai số do yếu tố không nghiên cứu
SSE = SST – SSTR – SSBL
Hoặc: b k
SSE = å å
i= 1 j = 1
( xij - x i· - x· j + x) 2
Bảng ANOVA 2 chiều:
Nguồn Tổng các Bậc tự Trung bình F
biến thiên bình phương do bình phương
MSTR
> Fk - 1,( k - 1)( b- 1),a
MSE
𝑖=1
Tương tự cho
phân bón
Analyze General linear models Univariate
□ Dependent List: san luong
□ Fix factors: pb, tts
Từ Model nhấn Custom đưa 2 biến
pb, tts vào model
Từ Interraction (lặp lại, ảnh hưởng lẫn
nhau) bằng Main effects (vì chỉ có 1 quan sát cho
mỗi ô nên không thể tách hỗ tương ra khỏi sai số)
□ Continue Options
□ Vào Descriptive stat. nếu muốn biết
thông tin mô tả
□ Homogeneity test (kiểm định tính đồng
nhất của sai số phương sai Continue OK
Kết quả xử lý bằng SPSS 20.0
Kết quả xử lý bằng SPSS 20.0
Kiểm định TUKEY
D3 = xg2 - xg3 = 3
MSE 6,33
T = qa ,k ,( k - 1)( b- 1) = q0.05,3,(2´ 3)
b 4
= 4,34´ 1, 25797 = 5, 03
Giả sử chúng ta có 2 xử lý A và B: Xử
lý A có a mức độ và xử lý B có b mức độ.
Như vậy, trong thử nghiệm này chúng ta có
tổng cộng axb mức xử lý kết hợp. Trong
mỗi xử lý kết hợp ta tiến hành nhiều (r)
quan sát.
Với: a = Số mức độ của yếu tố A
b = Số mức độ của yếu tố B
r = Số giá trị trong mỗi ô
n = Tổng số quan sát trong thử
nghiệm n=abr
Tổng biến thiên (độ lệch bình
phương) toàn bộ SST phân chia theo
nguồn biến thiên:
SST =SSA+SSB+SSAB+SSE
Dữ liệu thử nghiệm thừa số
Factor B (j=1,…,b) Trung bình
theo cột A
x111 x112 x113
x211 x212 x213
Factor A
(i=1,..,a) xijk xijk xijk
xi11 xi12 xi13 k = 1,..,r x i
(r=3)
å å
j= 1 k = 1
xijk Mean of the ith Ievel
of factor A (i=1, 2,
x i· = …., a)
br
𝑎 𝑟
∑ ∑ 𝑥 𝑖𝑗𝑘
𝑖=1 𝑘=1
𝑥• 𝑗 =
𝑎𝑟
å xijk å å å
i= 1 j= 1 k = 1
xijk
k= 1
x ij = &x=
r abr
Trong đó:
𝑎 𝑏 𝑟
𝑆𝑆𝑇 =∑ ∑ ∑ ( 𝑥 𝑖𝑗𝑘 −𝑥 ) 2
i 1
Step 3: Tổng bình phương do nhân tố B (The
sum of squares for factor B – Biến thiên của nhân
tố B):
b
SSB ar (x j x) 2
j1
SSB – Đại diện cho các khác nhau giữa các mức
độ khác nhau của yếu tố B với trung bình của tất
cả quan sát.
Step 4: Tính tổng bình phương cho sự tương tác
SSAB a b
SSAB r (x ij x i x j x) 2
i 1 j1
Yêu cầu:
1. Thiết lập bảng phân tích phương sai
2. Kiểm định mức ý nghĩa 0.05 về các giả thuyết
1 2 3 4
20.6 22.6 27.7 21.5
18.0 24.6 18.6 20.0
19.0 19.6 20.8 21.1 422,2
< 10 kg 21.3 23.8 25.1 23.9 x1
13.2 27.1 17.7 16.0 20
109,9 102, 5 21,11
92.1 117, 7
x11 18, 42 x12 23, 54 x13 21,98 x14 20, 5
18.5 26.3 20.6 25.4
24.0 25.3 25.2 19.9
17.2 24.0 20.8 22.6 438,9
≥ 10 kg 19.9 21.2 24.7 17.5 x 2
18.0 24.5 22.9 20.4 20
21,945
97, 6 121, 3 114, 2 105,8
x 21 19, 52 x 22 24, 26 x 23 22,84 x 24 21,16
189, 7 239 224,1 208,3 861,1
x 1 x 2 x 3 x 4 x
10 10 10 10 40
18,97 23,9 22, 41 20,83 21,5275
Ví dụ có bài giải: Nghiên cứu nhằm xem xét mối
liên hệ giữa năng suất (tạ/ha), loại phân bón và
giống lúa
Loại Giống lúa
phân bón A B C
1 65 68 62 69 71 67 75 75 78
2 74 79 76 72 69 69 70 69 65
3 64 72 65 68 73 75 78 82 80
4 83 82 84 78 78 75 76 77 75
Xử lý bằng SPSS 20.0:
Nhập dữ liệu
Analyze General linear models
Univariate:
Dependent List: nang suat
Fix Factors: pbon, glua (model mặc định là full
factorial với interaction
Option để biết thống kê mô tả và
Homogeneity test (kiểm định tính đồng nhất của
phương sai) Continue OK
Từ kết quả trên cho thấy:
1. Giả thuyết H0 cho rằng năng suất lúa là bằng
nhau với các giống lúa khác nhau bị bác bỏ ở
mức ý nghĩa lớn hơn 1,9%.
MSE
T = qa ,b ,ab ( r - 1) ´
ar
Từ ví dụ trên, với: α=0,05; a=4;b=3; r=3,
MSE=6,111, tính tiêu chuẩn so sánh Tukey theo
giống lúa: 6,111
T = q0,05,3,24 ´ = 2, 519
12
x A = 72,8333; x B = 72 & x C = 75
Do đó:
D1 = x A - x B = 0,8333; D2 = x A - x C = 2,1667;
D3 = x B - x C = 3;
Chỉ có D3 > T, do đó có thể nói là giống lúa B và
C có năng suất khác nhau.
Sinh viên diễn giải kết quả trên
Sinh viên diễn giải kết quả trên
MANOVA
MANOVA tương tự ANOVA. Điểm khác biệt
là thay vì chỉ có một, Manova có từ hai biến phụ
thuộc định lượng trở lên.
MANOVA thích hợp khi 2 hay nhiều biến phụ thuộc
có mối liên hệ với nhau.
Nếu các biến phụ thuộc không có mối tương quan với
nhau, áp dụng ANOVA cho từng biến phụ thuộc là thích
hợp.
Manova cũng sẽ không thích hợp khi giữa các biến
phụ thuộc có mối tương quan quá mạnh vì gặp phải vấn đề
đa cộng tuyến.
Các giả định và điều kiện sử dụng MANOVA
(Multivariate Analysis of Variance)
- Biến độc lập là định tính, với ít nhất 2 trạng
thái (2 nhóm)
- Biến phụ thuộc là định lượng (thang đo
khoảng hoặc tỷ lệ), có phân phối chuẩn.
- Không có quá nhiều trị số bất thường.
- Phương sai giữa các nhóm là đồng nhất
(homogeneity of variance)
- Tương quan giữa các biến phụ thuộc là bằng
nhau giữa các nhóm.
- Không nên có quá nhiều biến phụ thuộc.
Phân tích MANOVA với SPSS
Analyze → General Linear Model → Multivariate
Từ Dependent Variables: Đưa vào 2 biến phụ thuộc
Từ Fixed Factors: Đưa vào 1 biến độc lập.
Từ Model: Chọn Full factorial (mặc định) → Continue
Chọn Post Hoc chuyển các biến độc lập sang hộp Post
Hoc Test for Tukey hay Bonferroni
Từ Aqual Variances Assumed (hay Games-Howell ở
Equal Variances Not Assumed, nếu kết quả kiểm định
cho thấy phương sai không bằng nhau) → Continue
Vào Options → Homogeneity Test → Continue → OK