《方差分析 临床医学课件》.ppt

方差分析 ANOVA 助教 李婕 2003年11月21日 已经学过的知识 一位研究者对长子与次子的心理特征感兴趣。他在一年级大学生中随机抽取了10个长子和20个非长子对其施测自尊量表。10个长子在量表上的平均分是X = 48， SS=670。 20个非长子的平均分是X = 41， SS=1010。这些数据表明两组间是否有显著差异？用α= .01 的显著性水平作假设检验。 一个新的情境 一位研究者感兴趣影响儿童阅读能力的因素.研究者认为儿童的年龄和每次阅读时间可能是重要的影响因素。研究者设计了以下实验：选取三个年龄组的儿童: 3 岁, 8 岁, 和 14 岁.将每个年龄组的儿童随机分配到三个阅读条件. 组 1阅读时间为 5 分钟; 组 2为15 分钟; 对于组 3为30 分钟.两个星期之后测试了这些儿童的阅读能力。 ? ? 分析 t-检验和 z-检验不能用于多于 2 组的数据. 处理这类数据需要用一种新的推论统计程序: 方差分析 (ANOVA). (为什么) 这次课的内容 最基本的ANOVA.集中讨论单因素, 独立测量的研究设计. 1.???? ANOVA的简介 2. ANOVA的逻辑 3.???? ANOVA的符号. 4.???? ANOVA的过程和例题 5.???? 事后检验 ANOVA简介（1） 方差分析即analysis of variance，简称ANOVA。 功能：分析实验数据中不同来源的变异对总变异的贡献大小，确定实验中的自变量是否对因变量有重要影响。 方差的来源 什么造成样本的不同(处理间变异) 处理/组效应 - 处理造成的差异个体差异效应 - 个体差异变异 随机误差 每一个样本内部的变异 (处理内变异) 个体差异效应 随机误差 ANOVA简介（2） 在方差分析中, 自变量称为因素. 包含一个自变量的研究称为单因素设计（single-factor design）. 具有多于一个自变量研究称为因素设计（factorial design）. 构成因素的个别处理条件称为因素的水平 ANOVA简介（3） ANOVA能够处理数据的类型： 两个自变量 (称为因素): 年龄和阅读时间，都是组间 (独立样本) 变量. 包含组内 (重复测量) 因素的研究设计 同时包含组间和组内因素的混合设计(e.g. 假设上例中我们用同一些儿童作纵向研究。年龄是组内变量,阅读时间是组间变量). 上述研究称为因素设计, 两个组间因素,每一个因素有 3 个水平 (称为 3 X 3 组间设计). ANOVA逻辑 与假设检验的逻辑是同样的, 只是具体内容有变化 step 1: 陈述 H0 (和H1) ，确定标准: a = ?step 2: ANOVA 检验总是 单尾（不同之处） step 3: 指出检验的df (有两个 df) step 4: 查表找出临界 F统计量 step 5: 对于样本，计算 F统计量 step 6: 比较 F统计量 和临界 F统计量step 7: 对于H0 作出结论 单因素, 独立测量研究设计的例子 检验三个不同的学习方法的效应。将学生随机分配到3个处理组 方法 A：让学生只读课本, 不去上课. 方法 B：上课,记笔记，不读课本. 方法 C：不读课本，不去上课, 只看别人的笔记 单因素, 独立测量研究设计的例子 Step 1: 陈述假设和设定标准 (选择 a) H0: m1 = m2 = m3 H1: 其中一个组与另一个（或更多）的组均值不同。备择假设 可能的形式很多： m1不等于 m2 = m3 m1 = m3 不等于 m2 m1 = m2 不等于 m3 m1 不等于 m2 不等于 m3 因此，只需给出虚无假设就够了 单因素, 独立测量研究设计的例子 step 2: ANOVA 检验总是单尾. 因为不存在负的方差. F分布表也只有单侧的Alpha.（F分布图） step 3: 找出检验的 df. 注意要考虑几个 df step 4: 从表找出临界 F统计量 step 5:计算样本 的F统计量观测值 step 6:比较 F统计量的观测值与临界 F统计量 如果 F统计量的观测值 (Fobs) 在统计上显著地大于 1.0 则拒绝 H0 单因素, 独立测量研究设计的例子 F或＝1, 即MS组间/ MSw组内1，说明数据的总变异由分组不同造成的变异只占很小的部分，大部分是由试验误差何个体差异所致，就是说不同的实验处理之间变异不大，或者说试验处理基本无效。 F1而且落入F分布的临界区，说明实验数据的变异由不同的实验处理所造成，即不同的试验处理之间有差异。 ??