ESTIMASI DAN UJI EKSAK KOMPONEN VARIANSI
PADA MODEL RANDOM KLASIFIKASI DUA ARAH
DENGAN DATA TIDAK SEIMBANG
Rustam EfendiProgram Studi Matematika
Jurusan Matematika FMIPA Universitas Riau Kampus Bina Widya Pekanbaru (28293)
Abstract
This manuscript dicusses about the model equation ijk ij j i ijk e y
(
) ; i 1,2,,r; j 1,2,,s; k1,2,,nij ; nij 1 where
is a constant and
i,
j, (
)ij, eijk are distributed independently and normally with zero means and variances
2,
2 ,
2 ,
e2, respectively. From this model is given estimation and exact test of the its variance components.Key Words: Unbalanced Data, Variance Components, and Testing Hypothesis.
Pendahuluan
Salah satu model yang penting dari rancangan percobaan adalah model random klasifikasi dua arah. Pada model ini tidak saja penting menentukan apakah kedua faktor berpengaruh pada respon, tapi juga penting menentukan apakah terdapat interaksi yang berarti antara kedua faktor. Data pengamatan disajikan dalam bentuk suatu matriks yang barisnya menyatakan taraf faktor pertama dan kolomnya menyatakan taraf faktor kedua. Tiap kombinasi perlakuan menentukan suatu sel dalam matriks. Kenyataan dilapangan sering dijumpai jumlah data untuk setiap sel tidak selalu sama. Data seperti ini disebut data tidak
seimbang (unbalanced data). Untuk
mengambil kesimpulan tentang efek utama dari data yang diolah diperlukan suatu uji statistk, dan dari model ini akan diturunkan uji eksaknya. Disamping itu, dalam praktik untuk model ini peneliti tidak tertarik pada pengujian
pengaruh rata-rata tiap taraf dari masing-masing faktor, melainkan tertarik pada estimasi
komponen variansinya. Permasalahannya
adalah bagaimana menentukan estimasi dan uji eksak komponen variansi pada model random klasifikasi dua arah dengan data tidak seimbang.
Wald, 1940 merupakan orang pertama
yang menerangkan proses uji eksak untuk model klasifikasi satu arah dan dua arah tanpa interaksi pada data tidak seimbang. Dengan dua pendekatan yang berbeda, Spjotvoll, 1968 dan Thomsen, 1975 mengembangkan uji eksak tentang komponen variansi pada model random klasifikasi dua arah dengan interaksi untuk data
tidak seimbang. Sedangkan estimasi
komponen variansi pada model random klasifikasi dua arah dengan data tidak seimbang disajikan oleh Searle 1971 dan
Searle, Casella, McCulloch 1992.
Estimasi Komponen Variansi
Bentuk model random klasifikasi dua arah dengan data tidak seimbang yang dibahas adalah
ijk ij i i ijk e y
(
) ;i1,2,,r; j1,2,,s;k1,2,,nij (1)dengan: nij1 untuk setiap (i, j).
yijkobservasi ke–k dalam taraf ke–i faktor
dan taraf ke–j faktor
parameter konstan tidak diketahui
jN(0,
2);
jN(0,
2); (
)ijN(0,
2 ); eijkN(0,
e2)Dengan menggunakan metoda analisis variansi diperoleh estimasi untuk masing-masing variansi dari model Persamaan (1), yaitu sebagai berikut:
2 2 1 1 1 2 1 2 2 1 1 1 2 2 1 2 ) 1 ( ) ( e r i r i s j ij i s j ij r i s j j i s j ij r i i r n n n n n n n n n n n SS E
.. . .. . . .. . .. (2)(ii). Ekspektasi jumlah kuadrat faktor
2 2 1 1 1 2 1 2 2 1 2 2 1 1 1 2 ) 1 ( ) ( e s j r i s j ij j r i ij s j j s j r i i j r i ij s n n n n n n n n n n n SS E
.. . .. . .. .. . . (3)(iii). Ekspektasi jumlah kuadrat interaksi antara faktor
dan faktor
2 1 1 2 1 2 2 1 1 2 1 2 ) (
r i i s j ij s j i s j j r i ij r i i n n n n n n n n SS E . .. . . .. . 2
2 1 1 1 1 2 1 2 1 2 ) 1 )( 1 ( e r i s j r i s j ij j r i ij i s j ij s r n n n n n n n
.. . . .. (4)(iv). Ekspektasi jumlah kuadrat kesalahan
2)
(SSe n rs e
E ..
(5)dengan: nij Jumlah pengamatanpadaselke-(i,j)
s j ij i i n n 1 faktor -ke taraf pengamatan Jumlah
.
r i ij j j n n 1 faktor -ke taraf pengamatan Jumlah
.
r i s j ij n n 1 1 pengamatan semua Jumlah ..
s j n k ijk s j n k s j ij ij s j j ij i i i ijk i ij ij e n n n n y i y 1 1 1 1 1 1 ) ( faktor -ke taraf dalam pengamatan nilai Jumlah
. . ..
r i n k ijk r i n k r i ij ij j j r i i ij j ijk j ij ij e n n n n y j y 1 1 1 1 1 1 ) ( faktor -ke taraf dalam pengamatan nilai Jumlah
. . . .
ij ij n k n k ijk ij ij j ij i ij ij ijk ij e n n n n y j i y 1 1 ) ( faktor -ke dan taraf faktor -ke taraf dalam pengamatan nilai Jumlah
.
r i s j n k ijk r i s j s j r i s j ij ij j j r i i i n k ijk ij ij e n n n n y y 1 1 1 1 1 1 1 1 1 1 ) ( pengamatan semua nilai Jumlah
. . .. ...Untuk menyederhanakan penulisan, didefinisikan
r i i n p 1 2 1 .;
s j j n p 1 2 2 . ;
r i s j ij n p 1 1 2 5 ; Nn.. ; qrs ; N(r1)(s1)
r i i s j ij n n p 1 1 2 3 . ;
s j j r i ij n n p 1 1 2 4 . ; N p pk ksehingga keempat persamaan di atas, yaitu Persamaan (2), (3), (4), dan (5) dapat ditulis dalam bentuk matriks e e SS SS SS SS q N N p p p N p p p p s p p p N p p r p p p p p N
2 2 2 2 5 4 3 3 2 4 1 5 4 2 1 4 5 3 2 3 1 ˆ ˆ ˆ ˆ 0 0 0 1 1 (6)dengan
ˆ2,
ˆ2,
ˆ2 , dan
ˆe2 secara berturut-turut merupakan penduga dari
2,2
,
2 , dan e2.Dari Persamaan (6) diperoleh estimator variansi kesalahan
e e e MS q N SS 2 ˆ
dan e e e MS N SS MS s SS MS r SS ) ( ) 1 ( ) 1 ( ˆ ˆ ˆ 1 2 2 2
Q dengan 5 4 3 3 2 4 1 5 4 2 1 4 5 3 2 3 p p p N p p p p p p p N p p p p p p p N QUji Eksak Komponen Variansi
Persamaan (1) dapat ditulis dalam bentuk matriks
e αβ X β X α X 1 y ..
n 1 2 3( ) (7)dengan: y vektor observasi berordo N 1;
..
1n vektor satuan berordo n.. N
X1
d1i ii1r berordo Nr;
j s j r i i ij d c 1 1 2 1 X berordo Ns
i r j s j i ij d , 1 , 1 3 1 X berordo Nrsdengan matriks dispersinya
2 2 3 3 2 2 2 2 1 1X
X X
X X
IN
e X Σ Definisikan
ij n k ij ijk ij n y y 1sebagai rata-rata sampel sel ke (i, j), maka Persamaan (1) menjadi
ij ij i i ij e y
(
) ; i1,2,,r; j1,2,,s dengan
ij n k ij ijk ij n e e 1 (8)atau dalam bentuk matriks e αβ I β B α B 1 y
rs 1 2 rs( ) (9) dengan: 1rs (111,112,,1rs); e(e11,e12,,ers) B1Ir 1s; B2 1r Is; α(
1,
2,,
r); β(
1,
2,,
r) (αβ)[(
)11,(
)12,,(
)1s,,(
)r1,(
)r2,(
)rs] dan variansinya 2 2 2 2 2 1 ) ( rs e Var y A
A
I
K
dengan: A1(IrJs); A2(Jr Is); Kdiag(n111,n121,,nrs1)Karena A1 dan A2 matriks simetris, maka terdapat matriks ortogonal P berordo rsrs
sedemikian sehingga PA1Pdan PA2Pmatriks diagonal dengan masing-masing elemen diagonalnya
secara berturut-turut merupakan nilai eigen dari A1 dan A2.
Misalkan zPy dengan P matriks ortogonal berordo rsrs yang baris pertamanya (rs)121rs,
maka variansinya 2 2 2 2 2 1 ) ( rs e Var z PA P
PA P
I
K
Lemma 1: (i). rank (B1)r ; (iii). rank (B 1 B2)rs1
(ii). rank (B2)s ; (iv). rank (A1A2) = rank (B 1 B2)
Jelas rank(A1) = rank(B1), A1 mempunyai nilai eigen s sebanyak r dan nol sebanyak r(s –
1). PA1P mempunyai r elemen diagonal sama dengan s dan lainnya nol. Dengan cara yang sama,
P
PA2 mempunyai s elemen diagonal sama dengan r dan lainnya nol.
Dari (iii) dan (iv), matriks (PA1PPA2P) mempunyai (r + s – 1) elemen diagonal tidak
nol. Bila elemen diagonal PA1P tidak sama dengan nol, elemen diagonal yang bersesuaian pada
P
PA2 sama dengan nol, kecuali baris pertama dan begitu sebaliknya.
Misalkan vektor z dipartisi menjadi z(z1,z ,z,z)dengan z1 elemen pertama dari z,
z vektor kolom berordo (r – 1), z vektor kolom berordo (s – 1), dan zvektor kolom berordo (r
– 1)(s – 1) dan vektor z, z, dan z masing-masing berdistribusi normal dengan rata-rata nol dan
variansinya berturut-turut adalah
2 1 1 2 2 ) ( ) ( s r e Var z
I K
2 2 1 2 2 ) ( ) ( r s e Var z
I K
2 3 ) 1 )( 1 ( 2 ) ( r s e Var z
I K
dengan K1, K2, dan K3 submatriks dari PKPyang bersesuaian dengan z, z , dan
z
.Selanjutnya didefinisikan vektor u sebagai
) , , ( z z z u (10)
diperoleh E(u)0dan Var(u)diag (
1Ir1,
2Is1,
3I(r1)(s1))L
e2dengan
1 s
2
2 ,
2 r
2
2 ,
3
2L submatriks PKPyang terkait dengan u dan dinyatakan dengan 33 23 13 23 22 12 13 12 11 K K K K K K K K K L (11)
L mempunyai rank rs – 1, berarti non-singular
) (
2
12
z zK e E ; K13
e2 E(z z ); K23
e2 E(z z )Selanjutnya vektor ypada Persamaan (9) ditulis dalam bentuk yDy dengan y vektor observasi
dalam persamaan (7) dan D penjumlahan langsung (direct sum) yang didefinisikan oleh
ij n j i n ij 1 D ,
Dari Persamaan (1) dan (8) diperoleh jumlah kuadrat kesalahan
k j i ij ijk y y Q , , 2 ) (
atau dalam dalam bentuk matriks
y R y
Q (12)
dengan R matriks berordo NN yang didefinisikan oleh
ij n j i n n ij J I R .. , (13) dengan ij n
J matriks satuan berordo nijnij dan R matriks idempoten dengan rank Nrs sehingga
diperoleh 0 RX RX RX DR 1 2 3 , DΣR0, dan RΣ R 2 e
Karena y dan u independen terhadap Q, maka
2 e Q
2 rs N
Selanjutnya R ditulis dalam bentuk
C CΛ
R (14)
dengan C matriks ortogonal berordo NN dan matriks diagonal berordo NN yang
merupakan eigenvalue dari R. Diasumsikan N 2rs1, sebab R idempoten dengan rank
1
rs rs
N . Selanjutnya dan C dipartisi menjadi ( , , )
2 1 I 0 I Λdiag v v dan ] C : C : [C
C 1 2 3 , dengan v1rs1; v2 Nrs1, 0 matriks nol berordo rsrs, C1 berordo
1 v
N , C2 berordo Nv2, C3 berordo Nrs, CiCi I, i1,2,3, CiCj 0,i j.
Persamaan (14) selanjutnya ditulis sebagai
RC1C1 C2C2 (15) Dari Persamaan (12) dan (15), jumlah kuadrat kesalahan Q dapat dipartisi menjadi
QQ1Q2 (16) dengan Q1 yC1C1y dan Q2 yC2C2y
Karena jumlah kuadrat Q1, Q2, dan vektor random u pada (10) independen, maka
2 1 e Q
2 1 v
dan 2 2 e Q
2 2 v
Selanjutnya perhatikan vektor random ω yang didefinisikan oleh
y C L I u ω 2 1 1 1 ) (
maks v (17)dengan
maks nilai eigen terbesar dari matriksL pada persamaan (11), dan
2 1
1 )
(
maksIv L matriks simetris dengan nilai) (
1 L
Iv maks
yang non-negatif. Di sini jelasL matriks real simetris, berarti semua nilai
eigennya real. Jadi ( )
1 L
Iv maks
matrikssemidefinit positif.
Kemudian partisi ω seperti u dalam (10)
menjadi ω(ω,ω,ω) dengan 1 berordo r ω , ω b er o r d os1, dan ) 1 )( 1 ( berordo r s ω .
Berikut diberikan lemma tentang sifat-sifat distribusional dari vektor random di atas.
Lemma 2: Diberikan ωseperti dalam persamaan (16), dipartisi menjadi ) , , ( ω ω ω ω Maka: (i). E(ω)E(ω)E(ω)0
(ii).ω,ω,dan ω adalah vektor random berdistribusi normal independen dengan matriks
dispersi 1 2 2 2 ) ( ) ( s maks e r Var ω
I Var(ω)(r
2
2
maks
e2)Is1 ) 1 )( 1 ( 2 2 ) ( ) ( maks e r s Var ω
I(iii). ω,ω,dan ω independen terhadap Q2
Bukti :
(i). Kalikan ruas kiri dan ruas kanan persamaan (13) dengan
.. 1n diperoleh 0 1 J I R1 .. .. .. n ij n j i n n n ij ,
Persamaan (14) dapat ditulis
0 1 C C C C ) n.. ( 1 1 2 2
Dengan demikian diperoleh
0 1 C1 n.. , E(C1y)C11n..
0, dan [ω] [u] [( I L)2C1y]0 1 1 v maks E E E
Jadi 0 0 0 ω ω ω ω ] [ E(ii). Jelas bahwa ω berdistribusi normal. Klaim u independen terhadap C1y. Untuk menunjukkan ini,
perhatikan kembali persamaan yDy, yindependen terhadap jumlah kuadrat kesalahan Q dan
0 R
DΣ . Dengan argumen yang yang sama pada (i) diperoleh
0 C DΣ C y , y 1] 1 [ Cov
Karena u subvektor dari zPy, maka u independen terhadap C1y seperti yang diklaim.
Matriks dispersi dari ω adalah
2 1 1 2 1 1 ) ( ) ( ) ( )
(ω Var u maksIv L C1ΣC1 maksIv L
Var
dengan C1Xi 0, i1,2,3 dan 2 2 1 1 1 1ΣC C C
e Iv1
e C , sehingga diperoleh 2 2 ) 1 )( 1 ( 3 1 2 1 1 ) [( 1 e v maks e s r s r , , ( diag ) Var(ω
I
I
I L
I L
atau , , diag )Var(ω [(
1
maks
e2)Ir1 (
2
maks
e2)Is1Dari sini dapat disimpulkan bahwa ω,ω ,dan ω independen dengan matriks dispersinya berturut-turut adalah 1 2 2 2 ) ( ) ( s maks e r Var ω
I 1 2 2 2 ) ( ) ( r maks e s Var ω
I ) 1 )( 1 ( 2 2 ) ( ) ( maks e r s Var ω
I(iii). Karena Q2 partisi dari Q, maka Q2 juga
independen terhadap u. Karenanya
0 ΣC
C1 2 , maka Q2 juga independen
terhadap C1y. Karena Q2 independen terhadap
u dan C1y, maka Q2 independen terhadap ω
atau Q2 independen terhadap
ω ω
ω , ,dan . Dari Lemma 2 disimpulkan bahwa
jumlah kuadrat faktor
, jumlah kuadrat faktor
, jumlah kuadrat interaksi antara faktor
dan
, berturut-turut dinyatakan dengan
SS , SS
,
SS , dan Q2 berdistribusisecara independen dan
) (s
2
2
maks
e2 SS
r21 SS (r
2
2
maks
e2)
s21 S S (
2
maks
e2)
(2r1)(s1) Q2
e2 2 2 v
Dengan demikian diperoleh suatu uji statistik yang merupakan uji eksak untuk masing-masing variansi, yaitu )] 1 )( 1 [( ) 1 ( s r r F S S S S MS MS
untuk uji hipotesis H0:
2 0 vs Ha :
2 0dengan kriteria uji, tolak H0 pada level signifikan
jika FhitungF,[(r1),(r1)(s1)])] 1 )( 1 [( ) 1 ( s r s F S S S S MS MS
untuk uji hipotesis H0:
2 0 vs Ha :
2 0dengan kriteria uji, tolak H0 pada level signifikan
jika FhitungF,[(s1),(r1)(s1)]dan untuk menguji hipotesis
2 2 2 2 [( 1)( 1)] v Q s r Q v F maks maks
MS S S untuk uji hipotesis H0:
2 0 vs Ha :
2 0dengan kriteria uji, tolak H0 pada level signifikan
jika FhitungF,[(r1)(s1),v2]Berikut diberikan lemma yang memberikan batasan nilai
maks dalam bentuk umum.Lemma 3: Nilai eigen terbesar dari matriks L,
maks memenuhi interval ketidaksamaan
j i maks ij n n rs , (1) 1 1 1
Bukti :Perhatikan matriks ortogonal P dengan baris pertamanya (rs)121rs yang mendiagonalisasi
2 2 2 1 1 1 B B dan A B B
A secara simultan. Diberikan P1 submatriks dari P yang diperoleh dengan
menghilangkan baris pertama P, diperoleh persamaan
1 1
1PIrs P
rs rs rsJ I P P1 1 1 maks
nilai eigen terbesar dari LP1KP1, yaitu
maks emaks(P1KP1). Jika n(1) menyatakanfrekuensi sel terkecil, maka
n(1) P1PP1KP1adalah semidefinit positif, maka) 1 ( 1 1 ) 1 ( 1 1 1 ) ( 1 ) ( n e n emaks PKP maks PP
Ini juga benar bahwa
maks besar dari atau sama dengan jumlah nilai eigen P1KP1 dibagi dengan rs –1 (rata-rata nilai eigen P1KP1). Maka ) ( ) 1 ( 1 ) (P1KP1 P1KP1 tr rs emaks tetapi,
j i ij j i ij rs rs rs rs rs rs n rs n rs rs rs , , 1 1 1 1 1 1 1 1 ) tr( ) tr( 1 ) tr( 1 tr ) ( tr ) ( tr 1 K 1 K K 1 1 K K J I K P P P K PSehingga dapat disimpulkan bahwa
j i ij maks n rs e , 1 1 1 1 ) (PKP dan
j i maks ij n n rs , (1) 1 1 1
KesimpulanDengan memanfaatkan ilmu tentang aljabar matriks dan statistika matematika dapat diturunkan estimasi dan uji eksak dari komponen variansi pada model random klasifikasi dua arah dengan data tidak seimbang.
Contoh Perhitungan
Dari beberapa jenis obat dan terapi alternatif kanker rahim, diambil dua jenis obat
dan dua jenis terapi alternatif kanker rahim secara random, kemudian dikombinasikan. Datanya, setelah disandi, diberikan pada tabel berikut.
Jenis Obat Jenis Terapi Alternatif
1 2 1 13, 7, 10 2 2 6 6, 9, 3 ( Data fiktif ) a. Perhitungan Estimasi ijk y yi.. j n. ij n ni. . . j y ij y y i.. . . j y 13, 7, 10 2 32 3 1 4 10 2 8 6 6, 9, 3 24 1 3 4 6 6 8 36 20 ... y 56 4 4 .. n 8 9 5 ... y 7 8 ) 7 6 ( 4 ) 7 8 ( 4 2 2 SS , SS 4(97)2 4(57)2 32 ] ) 6 ( 4 ) 8 ( 4 [ ) 6 ( 3 ) 6 ( 1 ) 2 ( 1 ) 10 ( 3 2 2 2 2 2 2 SS [4(9)24(5)2]8(7)2 16 2 2 2 2 2 ) 6 6 ( ) 2 2 ( ) 10 10 ( ) 10 7 ( ) 10 13 ( e SS (66)2(96)2(36)2 36 32 4 42 2 1 p , p2 4242 32, 5 4 3 1 4 1 32 2 2 2 3 p , 4 8 32 1 p 5 4 3 1 4 1 32 2 2 2 4 p , p5 32 12 12 32 20, 4 8 32 2 p , 2 1 5 2 8 20 p
sehingga diperoleh bentuk matriksnya 36 16 32 8 4 0 0 0 1 1 1 1 2 4 1 1 2 1 4 2 2 2 2 2 1 2 1 2 1 e
0000 , 9 6000 , 7 4000 , 2 6000 , 5 36 16 32 8 2500 , 0 0 0 0 2333 , 0 6667 , 0 1333 , 0 1333 , 0 0667 , 0 3333 , 0 2000 , 0 1333 , 0 0667 , 0 3333 , 0 1333 , 0 2000 , 0 2 2 2 2 e
b. Perhitungan Uji Eksak
Dari data diperoleh komponen-komponen yang diperlukan dalam perhitungan, yaitu :
1 0 1 0 0 1 0 1 1 B ; 1 0 0 1 1 0 0 1 2 B ; 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 4 I ; 3 1 3 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 K 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 P ; 6667 , 0 0 0 6667 , 0 3333 , 0 0 3333 , 0 6667 , 0 L y
13 7 10 2 6 6 9 3
; Q119,8235 ; Q2 16,1773;
maks1 0232 , 3 ω ω SS ; SS ωω 3,0232; SS ω ω 1,6079dengan masing-masing uji hipotesisnya adalah sebagai berikut: (i). Hipotesis Faktor
0 :
0
: 2 2
0
vs Ha
H dengan tingkat signifikan
0,05 diperolehhitung
tabel F
F 161,41,88
Berarti, tolak H0 pada tingkat signifikan
0,05 dan disimpulkan terdapat perbedaan kemanjuranobat terhadap tingkat kesembuhan penyakit yang diobati. (ii). Hipotesis Faktor
0 : vs 0 : 2 a 2 0
H
H dengan tingkat signifikan
0,05 diperolehhitung
tabel F
F 161,41,88
Berarti, tolak H0 pada tingkat signifikan
0,05 dan disimpulkan terdapat perbedaan kemanjuranterapi alternatif terhadap tingkat kesembuhan penyakit yang diterapi. (iii). Hipotesis Interaksi Faktor
dan
0 : vs 0 : 2 a 2 0
H
H dengan tingkat signifikan
0,05 diperolehhitung
tabel F
F 10,130,298
Berarti, tolak H0 pada tingkat signifikan
0,05 dan disimpulkan terjadi interaksi antara obat danterapi alternatif dalam penyembuhan penyakit yang diobati dan diterapi. Ucapan Terima Kasih
Terima kasih kepada Prof. Dr. Suryo Guritno, M.Stat., Guru Besar bidang statistika di
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada Yogyakarta, yang telah banyak memberikan sumbang saran
dengan penuh kesabaran atas penyelesaian tulisan ini.
Daftar Pustaka
Anton, H., 1987, Aljabar Linear Elementer, Ed.
Kelima, Alih Bahasa : P. Silaban, Erlangga, Jakarta.
Bain, L. J., and Engelhardt, M., 1992,
Introduction to Probability and
Mathematical Statistics, 2nd ed.,
Duxbury Press, Belmont, California.
Gallo, J. and Khuri, A. I., 1990, Exact Test for the Random and Fixed Effects in an Unbalanced Mixed Two-Way Cross- Clasification Model, Biometrics 46,
1087 – 1095.
Khuri, A. J., and Littell, R. C., 1987, Exact Test for the Main Effects Variance
Components in an Unbalanced
Random Two – Way Model,
Biometrics 43, 545 – 560.
Magnus, J. R. and Neudecker, H., 1999, Matrix Differential Calculus with Applications in Statistics and Econometrics, Revised
Edition, John Wiley & Sons Ltd., Chichester.
Searle, S. R., 1982, Matrix Algebra Useful for Statistics, John Wiley & Sons Inc., New
York.
Searle, S. R., Casella, G., and McCulloch, C.
E., 1992, Variance Components,
John Wiley & Sons, Inc., New York.
Thomsen, I., 1975, Testing Hypothesis in
Unbalanced Variance Component
Models for Two-Way Layouts, Annals
of Statistics 3, 257 – 265.
Wald, A., 1940, A Note on the Analysis of
Variance with Unequal Class
Frequencies, Annals of Mathematical