4.3. Иерархическая классификация по двум признакам
Довольно часто при практических исследованиях встречается случай, когда один фактор “сгруппирован” внутри другого. Тогда с первым фактором нельзя сравнивать никакой другой главный фактор, а в предположении, что фактор Вполностью содержится в фактореА, модель процесса будет задаваться уравнением
.
Так как предполагается, что фактор Вне имеет главного воздействия на результат, то в основное модельное уравнение не надо включать член. Возведя обе стороны в квадрат и просуммировав по i, j, a , получимS = = S1 + S2 + S3. Члены с перекрестными произведениями опять обращаются в нуль при суммировании. ПеременнаяSимеет (N - 1),S1 - (p - 1); S2 - p(q - 1); S3 - (N - pq) степеней свободы, так как их вычисляют, исходя из отклонений наблюдений от различных выборочных средних. И таблица дисперсионного анализа может быть составлена, как табл. 6.9.
Вторая строка табл. 6.9 представляет собой вариацию между теми ячейками двусторонней классификационной таблицы, которые соответствуют фиксированным уровням фактора А.Третья строка - это вариация внутри ячеек, обусловленная повторением эксперимента при фиксированных уровнях факторов А иВ.
Существование главного фактора Аи влияние эффекта фактора ВвнутриАтеперь должны проверяться делением соответствующего среднего квадрата наМ3и сравнением результата с F-распределением.
Вычислительные формулы в табл. 6.9 можно преобразовать, использовав формулы, приведенные в п. 4.2.
4.4. Многосторонняя классификация с повторениями
Для характеристики общего случая достаточно будет рассмотретьтри фактора, которые условно назовемА, В, С.Модель процесса, когда факторы имеютp,q иrуровней, а в каждой ячейке -nнаблюдений, можно записать
.
Здесь Fi , Gj , Hk - главные влияния, обусловленные соответствующими факторами; Ii j, Jjk, Kj k -любые возможные взаимодействия между парами факторов; Lijk - отвечает за возможные взаимодействия между всеми тремя факторами. При этом полагают, что
.
Нетрудно убедиться, что количество главных влияний и взаимодействий, относительно которых проверяются гипотезы, равно (2m - 1), где m - предполагаемое количество факторов в эксперименте. Теперь, как и прежде, разложив общую сумму квадратов, построим таблицу дисперсионного анализа (табл. 6.10).
Средние квадраты с М1по М8 получают делением соответствующих сумм квадратов на число степеней свободы. В предположении, чтоeijka распределено нормально с нулевой дисперсией, для проверки существования какого-либо главного влияния или взаимодействия делим соответствующие средние квадраты на средний квадрат ошибки и результаты сравниваем сF-распределением с соответствующим числом степеней свободы.
Проверку значимых эффектов следует начинать с взаимодействий высших порядков. При проверке гипотез относительно взаимодействия трех факторов М7 делится на средний квадрат ошибки соответствующегофактора и результат сопоставляется сF-распределением, а при проверке гипотез относительно взаимодействия двух факторов средние квадраты этих взаимодействий делятся наМ7. Однако если у экспериментатора нет данных (опыт проведен не
Таблица 6.9
Источник изменчивости |
Суммы квадратов |
Степени свободы |
Средние квадраты |
Влияние фактора А |
(p - 1) | ||
Различия между ячейками (внутри фактора А) |
p (q - 1) | ||
Различия внутри ячеек |
(N - pq) | ||
Сумма по всем ячейкам |
(N - 1) |
|
Таблица 6.10
Источник изменчивости |
Сумма квадратов |
Степени свободы |
Главные влияния: |
|
|
Фактор А |
(p - 1) | |
Фактор В |
(q - 1) | |
Фактор С |
(r - 1) | |
Взаимодействие двух факторов |
|
|
А´В |
(p - 1) (q - 1) | |
А´С |
(p - 1) (r - 1) | |
В´С |
(q - 1) (r - 1) | |
Взаимодействие трех факторов А´В´С |
(p-1)(q-1)(r-1) | |
Различия внутри ячеек |
(N - pqr) | |
Сумма по всем ячейкам |
(N - 1) |
тщательно, результат предыдущего испытания не подтвердил гипотезу, что одно или более взаимодействий двух факторов равно нулю), то тогда нет точных критериев для проверки гипотезы относительно главных влияний факторов на результат эксперимента. Например, чтобы проверить существование эффекта главного фактора А, следует сравнитьМ1 с величиной, которая является несмещенной
оценкой , но именно в таком виде ее нет в таблице. Однако такую величину можно образовать, если, например, взять М4 + М5 - М7 , но эта линейная комбинация не имеет распределения среднего квадрата. Приближенно можно считать, что она распределена как средний квадрат с числом степеней свободы, равным
,
где f4 , f5 , f7 - степени свободы, определенные по табл. 6.10 дисперсионного анализа соответственно дляS4, S5, S7. Таким образом, если оба взаимодействияА´В иА´С существенны, то для оценки влияния главного фактораАнадо сопоставлять отношениеМ1/(М4+М5- М7) с F-распределением сf1 и g степенями свободы1.
Если можно принять, что взаимодействия А´В иА´С равны нулю, то точные критерии для оценки влиянияглавного фактора А получают, сравнив отношениеМ1/М5 илиМ1/М4 сF-распределением с соответствующим числом степеней свободы, данным в таблице 6.10.