第八章单因素方差分析.ppt

第八章　方差分析 (analysis of variance, ANOVA) 第一节　方差分析的基本原理 例 某医生为研究一种降糖新药的疗效，以统一的纳入标准和排除标准选择了60名2型糖尿病患者，按完全随机设计方案将患者分为三组进行双盲临床试验。问治疗四周后，餐后2小时血糖下降指的三组总体平均水平是否不同 SST=1086.829 SSA=176.957 SSe=SST-SSA=909.871 dfT=N-1=60-1=59 dfA=a-1=3-1=2 dfe=dfT-dfA=59-2=57 MSA=SSA/dfA=176.957/2=88.47855 MSe=SSe/dfe=909.871/57=15.96266 F=MSA/MSe=88.47855/15.96266=5.543 F2,57,0.05=3.167 F2,57,0.01=5.018 F＞ F2,57,0.01 第二节 多重比较 如果经过方差分析之后，结论是拒绝Ho，即处理之间存在差异。但这并不是说在每对处理之间都存在差异。 为了弄清究竟在哪些对之间存在显著差异，哪些对之间无显著差异，必须在各处理平均数之间一对一对地做比较，这就是多重比较（multiple comparison）。 多重比较的方法很多，这里只介绍Duncan法。 Duncan 检验 第三节 方差分析应具备的条件 方差分析应满足三个条件 可加性 正态性 方差齐性：各处理的误差方差应具备齐性，它们有一个公共的总体方差σ2 。 以上三个条件中，方差齐性对分析结果影响最大。 因此在做方差分析之前应先做多个方差齐性的检验。只有在具备方差齐性条件下才可做方差分析，否则方差分析的结果并不可信。 多个方差齐性检验（自学） 设试验考察A、B两个因素，A因素分a个水平，B因素分b个水平，两者交叉搭配形成ab个水平组合即处理，每一组合重复n次，则共有abn个数值。这种试验设计称为交叉分组设计（cross over design） 对于两因素交叉分组设计的实验应采用两因素方差分析(two-factors analysis of variance)或者称为两种方式分组的方差分析(two-way classification analysis of variance)方法分析实验结果。 在两因素实验中，当两个因素都是固定因素时，称为固定模型(fixed model)； 两个因素均为随机因素时称为随机模型(random model)； 两个因素中一个是固定因素，另一是随机因素时称为混合模型(mixed model)。 模型类型 由于因素水平的改变而引起的平均数的改变量称为主效应。 在多因素试验中， 一个因素的作用要受到另一个因素的影响，表现为某一因素在另一因素的不同水平上所产生的效应不同，这种现象称为该两因素存在交互作用。 SST=7170.00 dfT=36-1=35 SSA=1554.17 dfA=3-1=2 MSA=777.08 SSB=3150.5 dfB=3-1=2 MSB=1575.25 SSe=1656.76 dfe=35-2-2-4=27 MSe=61.36 SSAB=808.57 dfAB=(3-1)*(3-1)=4 MSAB=202.14 第五节 变换 自学(P140-141) 表 2 型糖尿病患者治疗4周后餐后2小时血糖的下降值(mmol/L) 返回本章 第四节 两因素试验方差分析 * *