卫统方差分析.ppt

方差分析 用于检验某影响因素的多个彼此独立的样本是否来自均数相同的总体 1、方差分析的应用条件： 1）各样本是相互独立的随机样本； 2）各样本来自正态总体 3）各处理组总体方差相等，即方差齐性 应用条件的检查 1、独立性：在实验设计阶段应当保证随机抽样真正得到实施，避免原始资料存在信息重叠，这样才能保证变异能够按照模型表达式那样具有可加性。 2、正态性—正态性检验 analyze-descriptive statistics——explore——plots——normarlity tests 正态性得不到满足时，结论不受太大影响，方差分析对正态性的要求是稳健的 3、方差齐性（Homogeneity of variance）— 用方差齐性检验Levene方法 当原始资料不满足方差分析的要求时，除了求助于非参数检验方法外，也可以考虑变量变换（transformation）：通过对原始数据的数学变换，使其满足或者近似满足方差分析的要求。 各组间样本含量相差不太大时，方差轻微不齐仅会对方差分析的结论有少许影响。一般而言，只要最大/最小方差之比小于3，结果都是稳定的。 注意：各组在样本含量上的均衡性将会为分析计算提供极大的便利，也能在一定程度上弥补正态性或方差齐性得不到满足时对检验效能所产生的影响，这一点在多因素时体现得尤为明显。因此实验设计时就应注意到均衡性的问题。 实际操作中对适用条件的把握 适用条件中，对独立性的要求是最严的，但除了重复测量等特殊情况外，该条件一般都可以满足。 对正态性和方差齐性在不同情况下的考虑： 1、单因素方差分析 由于模型有一定的稳健性，只要因变量分布不是明显偏态，分析结果一般都是较稳定的。 至于方差齐性，在单因素方差分析中，如果各组例数相同（均衡），或总体呈正态分布，则方差分析模型对方差略微不齐有一定的耐受性，只要最大与最小方差之比小于3，分析结果都是稳定的。 2、单元格内无重复数据的方差分析 以配伍设计的方差分析最为典型，此时不需要考虑正态性和方差齐性问题，原因在于正态性和方差齐性的考察是以单元格为单位的，此时每个格子只有一次试验，当然没法分析。 但不是说可以完全忽视这两个条件。如果根据专业知识认为可能在不同单元格内正态性、方差齐性有问题，则应避免使用这种无重复数据的设计方案。 3、有重复数据的多元素方差分析 由于单元格内样本数目往往比较少，很难检验出差别，另一方面，也可能因为只是极个别单元格方差不起而导致检验不能通过。根据实际经验，极端值的影响远大于方差齐性等问题的影响，因此实际分析中可以直接考察因变量的分布情况，如分布不是明显偏态，不存在极端值，则一般而言方差齐性和正态性不会有太大问题。因此，在多因素方差分析中，方差齐性往往只限于理论探讨。 one-way ANOVA 过程 1、能进行单因素方差分析 2、根据各样本是否方差齐性，分为两类不同均数两两比较的检验方法 3、还能进行单因素不同水平均数的各种多项式模型趋势检验。 Compare means→one-way ANOVA 例8-1 一、变量设置 二、输入数据 三、正态性检验 Analyze——descriptive statistics——explore——plots 4、方差分析（包含方差齐性检验）analyze—compare means—one way ANOVA Contrasts对话框 Post Hoc对话框：均数两两比较按钮 Options对话框（描述、方差齐性检验） 结果：1、统计描述：样本含量、均数、标准差、标准误、均数可信区间、最小值、最大值 2、方差齐性检验结果 3、单因素方差分析结果 4、两种方法的两两比较结果 SNK法两两比较 单因素方差分析方法二：analyze—general linear model—univariate 第二节 随机区组设计资料的多因素方差分析 又称为配伍组设计，是配对设计的扩展，也可看成是1：m匹配设计。具体做法是： 先按影响试验结果的非处理因素（如性别、体重、年龄、职业、病情、病程等）相同或相近，将受试对象配成b个区组(block，配伍组)，再分别将各区组内的k个受试对象随机分配到各处理或对照组。其区组因素可以是第二个处理因素，也可以是一种非处理因素。 总变异的分解 处理变异（纵向3组间差异） =处理作用+随机误差 总变异 区组变异（横向10组间差异）