- 線形回帰モデル
- p.164下:\(T_{xy}\)の計算
- p.165中段:\(y_i\)の予測値\(\hat{y}_i\)の変換の導出
- 式(5.1.5)の導出
- 式(5.1.7)の導出
- 式(5.1.9)の導出
- p.170下:\(X=x\)と固定したときの回帰直線と2変量正規分布の条件付き期待値が\(n\to\infty\)のときに一致すること(作成中)
- 式(5.1.12)(5.1.13)の導出
- (1)共分散の不偏推定量より\(n-1\)で割ること
- 式(5.1.15)の導出
- 式(5.1.23)の導出
- 式(5.1.24)の平均と分散
- p.184:統計量\(t\)の書き換え
- 分散分析モデル
- p.186下:総平方和導出の式変形(二つ目の式変形)
- 式(5.2.5)の導出
- (\(\ast\))(1)が\(0\)になることの導出
- (\(\ast\))(2)(3)が\(0\)になることの導出
- (\(\ast\))(4)(5)(6)が\(0\)になることの導出
統計学基礎の行間埋め 第5章
-
\begin{eqnarray}
T_{xy}
&=&
\displaystyle\sum_{i=1}^n(x_i-\overline{x})(y_i-\overline{y}) \\ \\
&=&
\displaystyle\sum_{i=1}^n(x_i-\overline{x})(\alpha+\beta x_i+\epsilon_i-\overline{y})&...&\text{式(5.1.1)より} \\ \\
&=&
\displaystyle\sum_{i=1}^n(x_i-\overline{x})\alpha+\sum_{i=1}^n(x_i-\overline{x})\beta x_i+\sum_{i=1}^n(x_i-\overline{x})\epsilon_i-\sum_{i=1}^n(x_i-\overline{x})\overline{y}\\ \\
&=&
\alpha\displaystyle\sum_{i=1}^n(x_i-\overline{x})+\beta\sum_{i=1}^n(x_i-\overline{x}) x_i+\sum_{i=1}^n(x_i-\overline{x})\epsilon_i-\overline{y}\sum_{i=1}^n(x_i-\overline{x})&...&\text{定数をシグマの外に出した}\\ \\
&=&
\alpha\displaystyle \cdot 0+\beta\sum_{i=1}^n(x_i-\overline{x}) x_i+\sum_{i=1}^n(x_i-\overline{x})\epsilon_i-\overline{y}\cdot 0&...&\text{p.164下より}\displaystyle\sum(x_i-\overline{x}=0)\\ \\
&=&
\beta\sum_{i=1}^n(x_i-\overline{x}) x_i+\sum_{i=1}^n(x_i-\overline{x})\epsilon_i&\\ \\
\end{eqnarray}
と導出できる。
-
予測された\(\hat{\alpha},\hat{\beta}\)を用いて予測された\(\hat{y}_i\)は
\begin{eqnarray}
\hat{y}_i=\hat{\alpha}+\hat{\beta}x_i
\end{eqnarray}
と書ける。ここで、式(1.6.7)を用いて\(\hat{\alpha}\)を消すと
\begin{eqnarray}
\hat{y}_i
&=&
\hat{\alpha}+\hat{\beta}x_i \\ \\
&=&
(\overline{y}-\hat{\beta}\overline{x})+\hat{\beta}x_i \\ \\
&=&
\overline{y}+\hat{\beta}(x_i-\overline{x}) \\ \\
\end{eqnarray}
と導出できる。
-
残差の二乗\(e_i^2\)の総和を\(n-2\)で割ると\(\sigma^2\)の不変推定量になることはこちらの解説など参考。
-
式(5.1.7)の上の式より
\begin{eqnarray}
&&|t|\leq t_{\alpha/2}(n-2)\\ \\
&\Leftrightarrow&
-t_{\alpha/2}(n-2)\leq t \leq t_{\alpha/2}(n-2) \\ \\
&\Leftrightarrow&
-t_{\alpha/2}(n-2)\leq \frac{\hat{\beta}-\beta}{\hat{\sigma}/\sqrt{T_{xx} } } \leq t_{\alpha/2}(n-2) \\ \\
&\Leftrightarrow&
t_{\alpha/2}(n-2){\color{red}\geq} -\frac{\hat{\beta}-\beta}{\hat{\sigma}/\sqrt{T_{xx} } } {\color{red}\geq} -t_{\alpha/2}(n-2) \\ \\
&\Leftrightarrow&
t_{\alpha/2}(n-2)\geq \frac{\beta-\hat{\beta}}{\hat{\sigma}/\sqrt{T_{xx} } } \geq -t_{\alpha/2}(n-2) \\ \\
&\Leftrightarrow&
t_{\alpha/2}(n-2)\hat{\sigma}/\sqrt{T_{xx} }\geq \beta-\hat{\beta} \geq -t_{\alpha/2}(n-2)\hat{\sigma}/\sqrt{T_{xx} } \\ \\
&\Leftrightarrow&
\hat{\beta}+t_{\alpha/2}(n-2)\hat{\sigma}/\sqrt{T_{xx} }\geq \beta \geq \hat{\beta}-t_{\alpha/2}(n-2)\hat{\sigma}/\sqrt{T_{xx} } \\ \\
&\Leftrightarrow&
\hat{\beta}-t_{\alpha/2}(n-2)\hat{\sigma}/\sqrt{T_{xx} }\leq \beta \leq \hat{\beta}+t_{\alpha/2}(n-2)\hat{\sigma}/\sqrt{T_{xx} }\\ \\
\end{eqnarray}
と導出できる。
-
\begin{eqnarray}
\displaystyle\sum_{i=1}^n(y_i-\hat{y}_i)^2
&=&
\displaystyle\sum_{i=1}^n(y_i-(\overline{y}+\hat{\beta}(x_i-\overline{x})))^2&...&\text{p.165中段}y_i\text{の予測値を利用} \\ \\
&=&
\displaystyle\sum_{i=1}^n((y_i-\overline{y})-\hat{\beta}(x_i-\overline{x}))^2 \\ \\
&=&
\displaystyle\sum_{i=1}^n\left[(y_i-\overline{y})^2-2(y_i-\overline{y})\hat{\beta}(x_i-\overline{x})+\hat{\beta}^2(x_i-\overline{x})^2\right] \\ \\
&=&
T_{yy}-2\hat{\beta}T_{xy}+\hat{\beta}^2T_{xx} \\ \\
&=&
T_{yy}-2\hat{\beta}T_{xy}+\hat{\beta}(\hat{\beta}T_{xx}) \\ \\
&=&
T_{yy}-2\hat{\beta}T_{xy}+\hat{\beta}T_{xy}&...&\text{p.164中段より} \\ \\
&=&
T_{yy}-\hat{\beta}T_{xy}\\ \\
\end{eqnarray}
と導出できる。
-
作成中
-
参考書に従って式(5.1.11)を偏微分して\(0\)とおく。はじめに\(\hat{\beta}_0\)で偏微分すると
\begin{eqnarray}
&&\frac{\partial}{\partial \hat{\beta}_0}S(\hat{\beta}_0,\hat{\beta}_1,\ldots,\hat{\beta}_p)
&=&
0 \\ \\
&\Leftrightarrow&
\frac{\partial}{\partial \hat{\beta}_0}\displaystyle\sum_{i=1}^n\{y_i-(\hat{\beta}_0+\hat{\beta}_1x_{1i}+\ldots+\hat{\beta}_px_{pi})\}^2
&=&
\displaystyle\sum_{i=1}^n(-2)\{y_i-(\hat{\beta}_0+\hat{\beta}_1x_{1i}+\ldots+\hat{\beta}_px_{pi})\} \\ \\
&&&=&
0 \\ \\
&\Leftrightarrow&
\displaystyle\sum_{i=1}^n\{y_i-(\hat{\beta}_0+\hat{\beta}_1x_{1i}+\ldots+\hat{\beta}_px_{pi})\}
&=&
0 \\ \\
&\Leftrightarrow&
\displaystyle\sum_{i=1}^n\{y_i-\hat{\beta}_0-\hat{\beta}_1x_{1i}-\ldots-\hat{\beta}_px_{pi}\}
&=&
0 \\ \\
&\Leftrightarrow&
\frac{1}{n}\displaystyle\sum_{i=1}^n\{y_i-\hat{\beta}_0-\hat{\beta}_1x_{1i}-\ldots-\hat{\beta}_px_{pi}\}
&=&
0 \\ \\
&\Leftrightarrow&
\overline{y}-\hat{\beta}_0-\hat{\beta}_1\overline{x_{1}}-\ldots-\hat{\beta}_p\overline{x_{p}}
&=&
0 \\ \\
&\Leftrightarrow&
\hat{\beta}_0
&=&
\overline{y}-\hat{\beta}_1\overline{x_{1}}-\ldots-\hat{\beta}_p\overline{x_{p}} \\ \\
&&&=&
\overline{y}-(\hat{\beta}_1\overline{x_{1}}+\ldots+\hat{\beta}_p\overline{x_{p}}) \\ \\
\end{eqnarray}
が導出できる。これを\(S(\hat{\beta}_0,\hat{\beta}_1,\ldots,\hat{\beta}_p)\)に代入すると
\begin{eqnarray}
S(\hat{\beta}_0,\hat{\beta}_1,\ldots,\hat{\beta}_p)
&=&
\displaystyle\sum_{i=1}^n\{y_i-(\hat{\beta}_0+\hat{\beta}_1x_{1i}+\ldots+\hat{\beta}_px_{pi})\}^2 \\ \\
&=&
\displaystyle\sum_{i=1}^n\{y_i-(\overline{y}-(\hat{\beta}_1\overline{x_{1}}+\ldots+\hat{\beta}_p\overline{x_{p}})+\hat{\beta}_1x_{1i}+\ldots+\hat{\beta}_px_{pi})\}^2 \\ \\
&=&
\displaystyle\sum_{i=1}^n\{(y_i-\overline{y})-(\hat{\beta}_1(x_{1i}-\overline{x_1})+\ldots+\hat{\beta}_p(x_{pi}-\overline{x_p}))\}^2 \\ \\
\end{eqnarray}
が得られる。これを用いて以下、計算する。次に\(\hat{\beta}_k\)で偏微分して\(0\)とおくと
\begin{eqnarray}
&&\frac{\partial}{\partial \hat{\beta}_k}S(\hat{\beta}_0,\hat{\beta}_1,\ldots,\hat{\beta}_p) \\ \\
&=&
\frac{\partial}{\partial \hat{\beta}_k}\displaystyle\sum_{i=1}^n\{(y_i-\overline{y})-(\hat{\beta}_1(x_{1i}-\overline{x_1})+\ldots+\hat{\beta}_p(x_{pi}-\overline{x_p}))\}^2 \\ \\
&=&
\displaystyle\sum_{i=1}^n(-2)(x_{ki}-\overline{x_k})\{(y_i-\overline{y})-(\hat{\beta}_1(x_{1i}-\overline{x_1})+\ldots+\hat{\beta}_p(x_{pi}-\overline{x_p}))\}
&=&
0 \\ \\
&\Leftrightarrow&
\displaystyle\sum_{i=1}^n(x_{ki}-\overline{x_k})\{(y_i-\overline{y})-(\hat{\beta}_1(x_{1i}-\overline{x_1})+\ldots+\hat{\beta}_p(x_{pi}-\overline{x_p}))\}
&=&
0 \\ \\
&\Leftrightarrow&
\displaystyle\sum_{i=1}^n\{(y_i-\overline{y})(x_{ki}-\overline{x_k})-(\hat{\beta}_1(x_{1i}-\overline{x_1})(x_{ki}-\overline{x_k})+\ldots+\hat{\beta}_p(x_{pi}-\overline{x_p})(x_{ki}-\overline{x_k}))\}
&=&
0 \\ \\
&\Leftrightarrow&
\displaystyle\sum_{i=1}^n\{\frac{1}{n-1}(y_i-\overline{y})(x_{ki}-\overline{x_k})-(\hat{\beta}_1\frac{1}{n-1}(x_{1i}-\overline{x_1})(x_{ki}-\overline{x_k})+\ldots+\hat{\beta}_p\frac{1}{n-1}(x_{pi}-\overline{x_p})(x_{ki}-\overline{x_k}))\}
&=&
0 \\ \\
&\Leftrightarrow&
\hat{\sigma}_{ky}-(\hat{\beta}_1\sigma_{k1}+\ldots+\hat{\beta}_p\sigma_{kp})
&=&
0&...&(1) \\ \\
&\Leftrightarrow&
\hat{\beta}_1\sigma_{k1}+\ldots+\hat{\beta}_p\sigma_{kp}
&=&
\hat{\sigma}_{ky} \\ \\
\end{eqnarray}
となることから、式(5.1.12)が導出できた。
こちらの解説など参考
-
式(5.1.14)に式(5.1.13)を代入すると
\begin{eqnarray}
&&\hat{y}_i&=&\hat{\beta}_0+\hat{\beta}_1x_{1i}+\ldots+\hat{\beta}_px_{pi} \\ \\
&\Leftrightarrow&
\hat{y}_i&=&(\overline{y}-(\hat{\beta}_1\overline{x}_1+\ldots+\hat{\beta}_p\overline{x}_p))+\hat{\beta}_1x_{1i}+\ldots+\hat{\beta}_px_{pi} \\ \\
&&&=&
\overline{y}+\hat{\beta}_1(x_{1i}-\overline{x}_1)+\ldots+\hat{\beta}_p(x_{pi}-\overline{x}_p) \\ \\
\end{eqnarray}
と導出できる。
-
データ解析のための数理統計入門の\(\S9.7\)やそのサポートページなど。
-
\begin{eqnarray}
t
&=&
\frac{\hat{\beta}}{\hat{\sigma}/\sqrt{T_{xx}}} \\ \\
&=&
\frac{\hat{\beta}}{\sqrt{\frac{1}{n-2}\sum(y_i-\hat{y}_i)^2}/\sqrt{T_{xx}}}&...&\text{式(5.1.5)} \\ \\
&=&
\frac{\hat{\beta}}{\sqrt{\frac{1}{n-2}(T_{yy}-\hat{\beta}T_{xy})}/\sqrt{T_{xx}}}&...&\text{式(5.1.9)} \\ \\
&=&
\sqrt{n-2}\frac{\hat{\beta}\sqrt{T_{xx}}}{\sqrt{T_{yy}}\sqrt{1-\hat{\beta}T_{xy}/T_{yy}}}& \\ \\
&=&
\sqrt{n-2}\frac{\hat{\beta}\sqrt{(n-1)\hat{\sigma}_x^2}}{\sqrt{(n-1)\hat{\sigma}_y^2}\sqrt{1-\hat{\beta}((n-1)\hat{\sigma}_{xy})/((n-1)\hat{\sigma}_{y}^2)}}&...&(1) \\ \\
&=&
\sqrt{n-2}\frac{\hat{\beta}\hat{\sigma}_x}{\hat{\sigma}_y\sqrt{1-\hat{\beta}\frac{\hat{\sigma}_{xy}}{\hat{\sigma}_{y}^2}}} \\ \\
&=&
\sqrt{n-2}\frac{\frac{\hat{\sigma}_{xy}}{\hat{\sigma}_x^2}\hat{\sigma}_x}{\hat{\sigma}_y\sqrt{1-\frac{\hat{\sigma}_{xy}}{\hat{\sigma}_x^2}\frac{\hat{\sigma}_{xy}}{\hat{\sigma}_{y}^2}}}&...&\text{p.183下より} \\ \\
&=&
\sqrt{n-2}\frac{\frac{\hat{\sigma}_{xy}}{\hat{\sigma}_x\hat{\sigma}_y}}{\sqrt{1-\left(\frac{\hat{\sigma}_{xy}}{\hat{\sigma}_x\hat{\sigma}_y}\right)^2}}&...&\text{p.183下より} \\ \\
&=&
\sqrt{n-2}\frac{r}{\sqrt{1-r^2}}&...&\text{p.183下の定義より} \\ \\
\end{eqnarray}
と導出できる。
(1)ではp.166注釈とp.164の\(T_{xx},T_{xy},T_{yy}\)の定義の比較より、\(T_{xx}=(n-1)\hat{\sigma}_x,T_{xy}=(n-1)\hat{\sigma}_{xy},T_{yy}=(n-1)\hat{\sigma}_y\)となる。
-
\begin{eqnarray}
\displaystyle\sum_{j=1}^a\sum_{i=1}^{n_j}(\overline{y}_{j\cdot}-\overline{y}_{\cdot\cdot})^2
\end{eqnarray}
において、\(i\)についての変数は無いため、
\begin{eqnarray}
\displaystyle\sum_{j=1}^a\sum_{i=1}^{n_j}(\overline{y}_{j\cdot}-\overline{y}_{\cdot\cdot})^2
&=&
\displaystyle\sum_{j=1}^an_j(\overline{y}_{j\cdot}-\overline{y}_{\cdot\cdot})^2
\end{eqnarray}
と式変形できる。
-
式(5.2.4)を変形して二乗をとると
\begin{eqnarray}
y_{jki}-\overline{y}_{\cdot\cdot\cdot}&=&(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})+(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})+(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})+(y_{jki}-\overline{y}_{jk\cdot}) \\ \\
\Rightarrow
(y_{jki}-\overline{y}_{\cdot\cdot\cdot})^2&=&(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})^2+(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})^2+(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})^2+(y_{jki}-\overline{y}_{jk\cdot})^2 \\
&&+2\underbrace{(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})}_{(1)}+2\underbrace{(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})}_{(2)}+2\underbrace{(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})}_{(3)} \\
&&+2\underbrace{(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})(y_{jki}-\overline{y}_{jk\cdot})}_{(4)}+2\underbrace{(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})(y_{jki}-\overline{y}_{jk\cdot})}_{(5)}+2\underbrace{(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})(y_{jki}-\overline{y}_{jk\cdot})}_{(6)}
\end{eqnarray}
が得られる。これらを\(i,j,k\)について総和をとることを考える。(1)(2)(3)(4)(5)(6)は\(j,k,i\)で総和をとると\(0\)になるので(\(\ast\))、
\begin{eqnarray}
\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b (\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})
&=&
\displaystyle\sum_{i=1}^n\sum_{j=1}^a\left(\sum_{k=1}^b (\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})\right) \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{j=1}^a(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left(\sum_{k=1}^b (\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})\right)&...&k\text{にかかわる項は無いため} \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{j=1}^a(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left( (\sum_{k=1}^b\overline{y}_{\cdot k\cdot}-b\overline{y}_{\cdot\cdot\cdot})\right)& \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{j=1}^a(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left( \sum_{k=1}^b\left[\displaystyle\sum_{i=1}^n\sum_{j=1}^a\frac{y_{j ki}}{an}\right]-b\overline{y}_{\cdot\cdot\cdot}\right)&...&\text{p.191より平均をとる前に戻した} \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{j=1}^a(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left( {\color{red}b}\left[\displaystyle\sum_{k=1}^b\sum_{i=1}^n\sum_{j=1}^a\frac{y_{j ki}}{a{\color{red}b}n}\right]-b\overline{y}_{\cdot\cdot\cdot}\right)& \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{j=1}^a(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left( b\overline{y}_{\cdot\cdot\cdot}-b\overline{y}_{\cdot\cdot\cdot}\right)& \\ \\
&=&
0
\end{eqnarray}
となる。
(2)について
\begin{eqnarray}
\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b (\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})
&=&
\displaystyle\sum_{i=1}^n\sum_{k=1}^b\left(\sum_{j=1}^a (\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})\right) \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{k=1}^b(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})\left(\sum_{j=1}^a (\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})\right)&...&j\text{に関する項が含まれていないため} \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{k=1}^b(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})\left(\sum_{j=1}^a\overline{y}_{jk\cdot}-\sum_{j=1}^a\overline{y}_{j\cdot\cdot}-a\overline{y}_{\cdot k\cdot}+a\overline{y}_{\cdot\cdot\cdot}\right)&...&k\text{に関する項が含まれていないため} \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{k=1}^b(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})\left(\sum_{j=1}^a\sum_{i=1}^n\frac{y_{jki}}{n}-\sum_{j=1}^a\sum_{i=1}^n\sum_{k=1}^b\frac{y_{jki}}{bn}-a\overline{y}_{\cdot k\cdot}+a\overline{y}_{\cdot\cdot\cdot}\right)&...&k\text{p.191より平均をとる前に戻した} \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{k=1}^b(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})\left({ \color{red}a }\sum_{j=1}^a\sum_{i=1}^n\frac{y_{jki}}{ { \color{red}a } n }-{ \color{red}a }\sum_{j=1}^a\sum_{i=1}^n\sum_{k=1}^b\frac{y_{jki}}{ { \color{red}a }bn}-a\overline{y}_{\cdot k\cdot}+a\overline{y}_{\cdot\cdot\cdot}\right)& \\ \\
&=&
\displaystyle\sum_{i=1}^n\sum_{k=1}^b(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})\left(a\overline{y}_{\cdot k\cdot}-a\overline{y}_{\cdot\cdot\cdot}-a\overline{y}_{\cdot k\cdot}+a\overline{y}_{\cdot\cdot\cdot}\right)\\ \\
&=&
0
\end{eqnarray}
と導出できる。(3)も(2)と同様の計算で導出される。
(4)について
\begin{eqnarray}
\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b (\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})(y_{jki}-\overline{y}_{jk\cdot})
&=&
\displaystyle\sum_{j=1}^a\sum_{k=1}^b (\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left[\sum_{i=1}^n(y_{jki}-\overline{y}_{jk\cdot})\right]&...&i\text{にかかわらない項であるため} \\ \\
&=&
\displaystyle\sum_{j=1}^a\sum_{k=1}^b (\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left[\sum_{i=1}^ny_{jki}-n\overline{y}_{jk\cdot}\right]&...&i\text{にかかわらない項であるため} \\ \\
&=&
\displaystyle\sum_{j=1}^a\sum_{k=1}^b (\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left[\sum_{i=1}^ny_{jki}-n\sum_{i=1}^n\frac{y_{jki}}{n}\right]&...&\text{p.191より平均をとる前に戻した} \\ \\
&=&
\displaystyle\sum_{j=1}^a\sum_{k=1}^b (\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})\left[\sum_{i=1}^ny_{jki}-\sum_{i=1}^ny_{jki}\right]&\\ \\
&=&
0
\end{eqnarray}
と導出できる。(5)も(6)と同様の計算で導出される。
\begin{eqnarray} \displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(y_{jki}-\overline{y}_{\cdot\cdot\cdot})^2&=&\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(y_{jki}-\overline{y}_{jk\cdot})^2 \\ &&+2\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b\underbrace{(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})}_{(1)}+2\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b\underbrace{(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})}_{(2)}+2\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b\underbrace{(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})}_{(3)} \\ &&+2\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b\underbrace{(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})(y_{jki}-\overline{y}_{jk\cdot})}_{(4)}+2\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b\underbrace{(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})(y_{jki}-\overline{y}_{jk\cdot})}_{(5)}+2\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b\underbrace{(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})(y_{jki}-\overline{y}_{jk\cdot})}_{(6)} \\ \\ &=& \displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(y_{jki}-\overline{y}_{jk\cdot})^2 \\ &&+0 \\ \\ &=& \displaystyle\sum_{j=1}^abn(\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{k=1}^ban(\overline{y}_{\cdot k\cdot}-\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{j=1}^a\sum_{k=1}^bn(\overline{y}_{jk\cdot}-\overline{y}_{j\cdot\cdot}-\overline{y}_{\cdot k\cdot}+\overline{y}_{\cdot\cdot\cdot})^2+\displaystyle\sum_{i=1}^n\sum_{j=1}^a\sum_{k=1}^b(y_{jki}-\overline{y}_{jk\cdot})^2&...&\text{それぞれ総和の中で使われない変数について総和をとった} \\ \\ \end{eqnarray}