固定批次的稳定性研究的方差分析表的方法和公式

请选择您所选的方法或公式。

平方和 (SS)

在矩阵项中,以下是针对不同平方和的公式:

Minitab 同时采用连续平方和与调整的平方和,将 SS 回归或 SS 处理分量分解为由每个项解释的变异量。

表示法

说明
b系数向量
X设计矩阵
Y响应值向量
n观测值个数
J1s 的 n by n 矩阵

调整 MS – 回归

回归均方 (MS) 的公式如下:

表示法

说明
平均响应
i 个拟合响应
p模型中的项数

Adj MS – 误差

均方误(也称为 MS 误差或 MSE,表示为 s2)是围绕拟合回归线的方差。公式如下:

表示法

说明
yii 个观测响应值
i 个拟合响应
n观测值个数
p模型中的系数数量,不包括常量

F

如果模型中所有因子都是固定的,那么 F 统计量的计算就取决于假设检验的内容,如下所示:

F(项)
F(失拟)

如果模型中具有随机因子,则针对每个项使用期望均方来构建 F。有关更多信息,请参见 Neter 等人的文章1

表示法

说明
调整的 MS 项在说明模型中的其他项后,针对项解释的变异量的度量。
MS 误差针对模型不解释的变异的度量。
MS 失拟针对可以通过向模型添加更多项来进行建模的响应中变异的度量。
MS 纯误差针对仿行响应数据中变异的度量。
  1. J. Neter、W. Wasserman 和 M.H. Kutner (1985)。Applied Linear Statistical Models(适用的线性统计模型),第二版。Irwin, Inc.

P 值

用于假设检验,可帮助您确定是要否定原假设还是无法否定原假设。如果原假设成立,P 值就是获得至少与实际计算值一样极端的检验统计量的概率。P 值常用的截止值为 0.05。例如,如果检验统计量的计算的 P 值小于 0.05,您可以否定原假设。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策