1.單因素一進制方差分析的方法和案例:
例子:
案例的代碼:
X=[533 580 525 600 570 650 500; %因數I [A,F]實驗組+CK标準
565 600 500 615 575 661 510;
525 575 510 590 565 643 513];
group={‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘CK’};
[p ,table,stats]=anova1(X,group) %p接近于0則不接受零假設,即各列均值的差異式由實驗因素造成
[c,m,h,gnames]=multcompare(stats)
c =multcompare(stats)
Source表示方差來源(誰的方差),這裡的方差來源包括Groups(組間),Error(組内),Total(總計);
SS(Sum of squares)表示平方和
df(Degree of freedom)表示自由度
MS(Mean squares)表示均方差
F表示F值(F統計量),F值等于組間均方群組内均方的比值,它反映的是随機誤差作用的大小。
Prob>F表示p值
這裡需要引出兩個小問題:第一個小問題是F值怎麼使用,第二個小問題是p值和F值的關系是什麼?
率先普及一下p值和F值之間的關系:
F實際值>F查表值,則p<=0.05
F實際值<F查表值,則p>0.05
參考:
②雙因素一進制方差分析的方法和案例:
% 例子
%列:A品種 B密度A1B1 ;A2B1 ;A3B1;A1B2;A2B2;A3B3;
X=[40 46 47;%I A1B1 A2B1 A3B1
38 42 43 ;%II A1B1 A2B1 A3B1
42 44 45 ;%III A1B1 A2B1 A3B1
42 48 50;%I A1B2 A2B2 A3B2
44 47 48;%II A1B2 A2B2 A3B2
45 46 49];%III A1B2 A2B2 A3B2
[p,table,stats]=anova2(X,3)
③多因素一進制方差分析的方法和案例:
%案例
y=[52 57 45 44 53 57 45 44];
g1=[1 2 1 2 1 2 1 2];
g2={‘hi’;‘hi’;‘lo’;‘lo’;‘hi’;‘hi’;‘lo’;‘lo’};
g3={‘may’;‘may’;‘may’;‘may’;‘june’;‘june’;‘june’;‘june’};