第八章 协方差分析：协方差分析是将方差分析和回归分析结合起来的一种统计分析方法，它主要是利用辅助变量（也称为协变量），降低试验误差，以达到提高检验功效的目的。协方差分析可用于单向分类资料，也可用于双向和多向分类资料。本章介绍了协方差分析的概念、基本原理和主要目的，并具体介绍了协方差分析方法的主要步骤。8.1统计模型定义和假设条件:协方差分析是方差分析与回归分析的结合，需同时满足两种分析的要求。本节对统计模型定义和假设条件进行了介绍，并总结了协方差分析的基本步骤。[单选题]下列相关系数的取值不正确的是（ ）。选项:[0.87, -0.96, 0, 1.06]
8.2离回归平方和计算:计算因变量对协变量的回归平方和能够对原始平方和进行校正，但校正的前提是因变量对协变量的回归关系显著，若不显著则应进行常规的方差分析。本节主要介绍了对组内回归系数的显著性检验及对原始平方和的回归效应校正。
8.3校正平方和的F检验和多重比较:采用F检验的方式能够对校正后的平方和进行方差分析，能够确定多个校正平均数之间是否存在显著差异。若确定平均数之间存在显著差异，为进一步了解哪些平均数间存在显著差异，可以采用多重比较的方法。对这些校正平均数的多重比较可用LSD法，Bonferroni t检验或 Duncan’s 多重极差检验。本节以Bonferroni t检验方法为例对校正后的平均数间的多重比较进行了讲解。
8.4协方差分析的最小二乘法简介:一般线性模型（GLM）是方差分析模型和回归分析模型的整合模型，能够处理更为复杂的数据情况（如不平衡资料，回归系数异质性、方差异质性等），对各种复杂效应检验和回归分析更为灵活。本节对一般线性模型的表示形式及拟合方法进行了简要介绍。
8.5习题解析:本章的练习主要介绍了如何用R实现协方差分析，需要理解和掌握协方差分析与方差分析的共同点和不同点。需要掌握如何用R函数aov进行协方差分析，并能区分aov函数参数中的协变量和组别因子变量。
[单选题]在0.05水平下对n组数据进行多重检验，校正后的显著性水平约为（ ）。选项:[0.05/n, 0.05/(n-1), 0.01, 0.05]
[单选题]在协方差分析中，F检验主要是用来检验（ ）。选项:[回归系数的显著性, 相关系数的显著性, 估计标准误差的显著性, 线性关系的显著性]
[单选题]用一个协变量对平方和进行校正后，组间自由度和组内自由度的变化为（ ）。选项:[组间自由度+1，组内自由度-1, 组间自由度-1，组内自由度不变, 组内自由度-1，组间自由度不变, 组间自由度-1，组内自由度+1]
[单选题]在零假设成立的前提下，方差分析的F值的期望为（ ）。选项:[大于1, 等于0, 小于1, 等于1]
[单选题]协方差分析能够校正（ ）。选项:[系统误差, 度量误差, 试验错误, 随机误差]
[单选题]已知因变量对协变量的回归关系显著，协变量X的组内平方和为10，因变量Y的组内平方和为2，二者的组内乘积和为5。将协变量造成的影响从因变量的组内变异剔除后，校正后的组内平方和为（ ）。选项:[1.25, 1.75, 0.75, 0.25]
[单选题]在回归自由度为1的显著性检验中，可以使用（ ）。选项:[F检验, F检验或t检验, Z检验或t检验, F检验或卡方检验]
[单选题]在协方差分析过程中，若发现因变量对协变量的回归关系不显著，则应（ ）。选项:[对原始平方和进行回归效应校正, 进行多重比较, 进行常规方差分析, 检验自变量对协变量的回归关系是否显著]
[单选题]
在进行一个三因素、三水平的试验时，如果采用正交设计，需要（ ）种组合。
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
