方差分析(新).pptVIP

SNK法步骤 均数 1.840 1.415 0.930 组别 A B C 对比组 均数之差 标准误 q a q界值 P 1与3 0.910 0.2282 3.9877 3 3.40 0.05 1与2 0.425 0.2282 1.8624 2 2.83 0.05 2与3 0.485 0.2282 2.1253 2 2.83 0.05 结论:　A方案与C方案的治疗效果间差异有统计学意义，而其余两组间尚看不出差异。 Duncan- t 检验 又称q’法。 用于k-1试验组与1个对照组比较， 或 k-1对照组与1个试验组比较。 q’ 与误差自由度有关，还与比较的两组之a值有关！ Duncan-t 法步骤 H0: 相比较的两总体均数相等； H1: 相比较的两总体均数不等。 ?＝0.05。 计算检验统计量: Duncan q’ Duncan-t 法步骤 结论:　A疗法优于C疗法，而A与B差异无统计学意义。 对比组 均数之差 标准误 q’ a q’界值 P 1与2 0.425 0.2822 1.8622 2 2.83 0.05 1与3 0.910 0.2822 3.9874 3 2.98 0.05 两两比较的注意事项 对于方差分析后的两两比较均应以方差分析拒绝相应的H0为前提，且结论均不应与方差分析的结论相悖； 出现模糊结论，下结论应该谨慎； 方差分析拒绝H0，但两两比较得不出有差异的结论，因为方差分析效率高。 Post Hoc分析发现的各组间差别只是一种提示，一种进一步增加含量改进试验的提示。 不能用t检验代替方差分析，也不能用t检验代替两两比较。 无论是SNK法还是Dunnett-t法，用于两组比较时，结果与t检验等价。 两两比较的注意事项 方差分析的要求 独立随机抽样(Independence)； 正态性(Normality)； 方差齐性(Homoscedascity)； 方差齐性检验 两个方差的齐性检验 Levene法 多个方差的齐性检验 Bartlett法 变量变换(Variable Transformation) 方差齐性是一个很strong的假设，如果不齐，就不能直接进行方差分析； 变量变换 目的：方差齐性化，正态化，线性化 常用方法： 对数变换 对数正态分布, 等比,正偏 平方根变换 poisson分布，轻度偏态等 百分数平方根反正弦变换 原始数据为率 方差分析 小结 均数、方差的比较 样本均数与总体均数的比较( t 检验) 配对设计样本均数的比较(配对t 检验) 两样本均数的比较 ( t 检验, u 检验, F 检验, SNK, Duncan) 多样本均数的比较( F 检验，ANOVA) 各组间的比较(SNK法)； 各试验组与某一对照组间的比较用(Duncan法) 两个方差的比较( F 检验) 多个方差的比较( Bartlett 检验) 方差分析 小结 方差分析 小结 分析单因素多水平间的比较或多个因素对结果的影响； 要求数据满足正态性、独立性、方差齐性 单因素方差分析 两因素方差分析 两两比较 变量变换 正确应用 两种错误的说法 X1 X2 X3 X2所来自的总体位于X1所来自的总体和X3所来自的总体之间； X1和X2来自同一总体，X2和X3来自同一总体。 只能说明无法判断样本2来自于何总体！ 第一阶段从19世纪初直至20世纪末尾,代表人物有高斯及拉普拉斯、勒让德等人，形式是误差论并逐渐渗入到统计数据分析问题; 第二阶段从19世纪末到20世纪20年代初期，代表人物主要是卡尔·皮尔逊，形式是把多元正态与这模型联系起来，重点转到相关回归; 第三阶段可以说是自1922年，代表人物是费歇尔，重点问题是方差分析（协方差分析）并联系到试验设计的发展。 线性统计模型 溯源到1917年斯卢茨基（E. Slutsky）的一篇文章，其中提出了运用皮尔逊的拟合优度（goodness of fit）思想去检验回归是否为线性的问题。 斯卢茨基认为，在原假设（回归为线性）成立时，统计量 将服从自由度为 的 分布。 费歇尔和F分布·方差分析 斯卢茨基这个论断在数学上是不正确的，但其中包含了一种有价值的统计思想 : 反映与模型取法无关的随机误差， 残差ri ，则不仅与随机误差有关，还与模型取得是否正确有关，模型与实际偏离愈大， ri一般也会愈大， 费歇尔和F分布·方差分析 所以 这个量反映了以随机误差水平为标杆去衡量模型与实际的偏离程度; 此量愈大，模型与数据的符合看上去愈差