Next: Schätzung der Modellparameter
Up: Beispiele: Varianzanalyse als lineares
Previous: Einfaktorielle Varianzanalyse
  Contents
Zweifaktorielle Varianzanalyse
- Beachte
-
- Die Darstellung (8) der Stichprobenvariablen
führt zu der gleichen Art eines linearen Modells,
wie es in Fall 1 von Abschnitt 4.1.1 betrachtet wurde.
- Die Nummern
bzw.
der
Klassen
werden erneut als
Stufen des jeweiligen Einflußfaktors gedeutet.
- Die Designmatrix
hat dabei die Dimension
und den vollen Spaltenrang
.
Wir betrachten eine ähnliche Reparametrisierung der
Erwartungswerte
wie in
Abschnitt 4.1.1.
- Dabei betrachten wir lediglich den sogenannten balancierten
Fall, d.h., wir setzen zusätzlich voraus, daß sämtliche
Teilstichproben
identische Stichprobenumfänge besitzen.
- Es gelte also
für alle
und
, wobei
.
- Sei nun
, und für alle
und
seien
,
und
reelle
Zahlen, so daß
 |
(10) |
und
 |
(11) |
- Dann läßt sich die Zufallsstichprobe
in der Form
darstellen, wobei
- die Designmatrix
gegeben ist durch eine Matrix der
Dimension
, deren Eintragungen nur aus
Nullen und Einsen bestehen und die keinen vollen Rang hat, und
wobei
- der Parametervektor
die folgende Form hat:
- Beachte
-
- Die linearen Nebenbedingungen (11) an die
Komponenten des Parametervektors
bewirken, ähnlich wie
bei dem in Abschnitt 4.1.1 betrachteten Modell der
einfaktoriellen Varianzanalyse, daß die Darstellung
(10) - (11) der Erwartungswerte
eindeutig ist, vgl.
Übungsaufgabe 10.1b.
- Dabei kann
als allgemeines Mittel der Erwartungswerte
der Stichprobenvariablen
aufgefaßt
werden,
-
wird Haupteffekt der
-ten Stufe
des ersten Einflußfaktors genannt,
-
heißt Haupteffekt der
-ten Stufe
des zweiten Einflußfaktors, und
-
heißt Wechselwirkung zwischen den Stufen
und
der Stufenkombination
.
Zur Konstruktion von Schätzern für die Modellparameter
,
,
bzw.
verwenden wir, ähnlich wie in Abschnitt 2.2, die
folgende Notation: Sei
 |
(12) |
bzw.
 |
(13) |
Theorem 4.1

Es gilt
 |
(14) |
für beliebige

,

, d.h., durch

,

,

und

sind
erwartungstreue Schätzer für die Modellparameter

,

,

bzw.

gegeben .
- Beweis
-
- Aus der Definitionsgleichung von
in (13) ergibt sich, daß
wobei sich die letzte Gleichheit aus den
Reparametrisierungsbedingungen (11) ergibt.
- Die anderen drei Teilaussagen in (14) lassen sich
auf analoge Weise beweisen.
- Beachte
-
- Die Bedingungen (11), d.h. die Annahme, daß der
Parametervektor
zu einem linearen Unterraum des
gehört, spielen eine zentrale Rolle im
Beweis von Theorem 4.1.
- Dabei werden die Aussagen von Theorem 4.1 als
Erwartungstreue der betrachteten Schätzer bezüglich dieses
eingeschränkten Parameterraumes interpretiert.
- Falls jedoch zugelassen wird, daß
ein beliebiger
Vektor der Dimension
ist, dann gibt es
keinen MKQ-Schätzer für
, der gleichzeitig
erwartungstreu ist, vgl. Abschnitt 4.2.1.
Wir diskutieren nun noch die folgende Quadratsummenzerlegung, vgl. auch Theorem 2.13, wo
ein ähnliches Resultat für das einfaktorielle
Varianzanalyse-Modell hergeleitet wurde.
- Beweis
Mit der in (12) bzw. (13)
eingeführten Notation gilt
wobei genauso wie im Beweis von Theorem 2.13 gezeigt
werden kann, daß die Summe
der gemischten Produkte gleich Null
ist.
- Beachte
-
- Die Quadratsumme auf der linken Seite von (15) kann
als eine Maßzahl für die (Gesamt-) Variabilität der
Stichprobenvariablen
aufgefaßt
werden.
- Die ersten beiden Qúadratsummen auf der rechten Seite von
(15) sind Maßzahlen für die Variabilität zwischen den Stufen des ersten bzw. zweiten Einflußfaktors,
während die dritte Quadratsumme auf der rechten Seite von
(15) eine Maßzahl für die Variabilität innerhalb der Stufenpaare
der beiden Einflußfaktoren
ist, die sogenannte Reststreuung.
- Die vierte Quadratsumme auf der rechten Seite von
(15) ist eine Maßzahl für die Wechselwirkungen zwischen den Komponenten der Stufenpaare
der beiden
Einflußfaktoren.
- Mit ähnlichen Überlegungen wie im Beweis von
Theorem 4.1 kann man zeigen, daß eine geeignet
normierte Version der Reststreuung ein erwartungstreuer Schätzer
der Varianz
der Störgrößen ist.
- Und zwar gilt
 |
(16) |
wobei
Next: Schätzung der Modellparameter
Up: Beispiele: Varianzanalyse als lineares
Previous: Einfaktorielle Varianzanalyse
  Contents
Ursa Pantle
2003-03-10