0方差分析.ppt

 用途 比较某实验(处理)因素不同水平样本均数间差别有无统计学意义，从而说明该实验因素某水平是否有作用的方法。 一、名词解释 处理因素和水平 研究者对研究对象人为地施加某种干预措施，称为处理因素(factor)或实验因素； 处理因素所处的不同状态称为水平(level)。 处理因素的水平数≥2，即实验的组数。 单因素实验 实验中的处理因素只有一个，这个处理因素包括g(g≥2)个水平，分析不同水平实验结果的差别是否有统计学意义。 研究一种降血脂新药的临床疗效 研究对象：高血脂病人(120例) 处理因素：降血脂药物 水 平：服降血脂新药2.4g组 服降血脂新药4.8g组 服降血脂新药7.2g组 安慰剂组 试验效应：低密度脂蛋白测量值(mmol/L) 一、完全随机设计 completely random design 二、变异分解 完全随机设计资料方差分析公式 变异来源 SS ? MS F值 方差分析表 变异来源 SS ? MS F P 总 82.10 119 组间 32.16 3 10.72 24.93 ＜0.01 组内 49.94 116 0.43 方差之比----F value 如果不同时期(水平)对全肺湿重(结果)没有影响，那么在组间方差中只包含有随机误差，而没有系统误差。 这时，组间方差与组内方差就应该很接近，两个方差的比值就会和1比较接近。 如果不同的水平对结果有影响，在组间方差中除了包含随机误差外，还会包含有系统误差。 这时组间方差就会大于组内方差，组间方差与组内方差的比值就会比1大的多。 当这个比值大到某种程度时，就可以推断不同水平之间存在着显著性差异。 F 分布曲线 表** 方差分析表 P 0.05 P 17 6.7 总变异 0.28 15 4.2 组 内 4.46 1.25 2 2.5 组 间 F MS df SS 变 异 结论：三个不同时期的全肺湿重有显著性差别。 附表5 F单侧界值表 F0.05(2,15)=3.68 1. 建立假设，确定检验水准 2. 计算检验统计量F值 3. 确定P值、下结论 第二节 完全随机设计资料的方差分析 完全随机设计(completely random design): 只有一个处理因素－－one-way ANOVA 各组例数可以相等或不等 甲处理（n1） 乙处理 （n2） 丙处理（n3） ? 试验对象 （N） 随机化分组 例 为了研究一种降血脂新药的临床疗效, 按统一纳入标准选择120名患者, 采用完全随机设计方法将患者等分为4组进行双盲试验。 完全随机设计分组结果 随机数 260 873 373 204 056 930 160 905 886 958 … 220 634 序 号 24 106 39 15 3 114 13 109 108 117 … 16 75 编 号 1 2 3 4 5 6 7 8 9 10 … 119 120 结 果 甲 丁 乙 甲 甲 丁 甲 丁 丁 丁 … 甲 丙 1~30 甲 31~60 乙 61~90 丙 91~120 丁 安慰剂组 3.53 4.59 4.34 2.66 … 2.59 30 3.43 102.91 367.85 降血脂新药2.4g组 2.42 3.36 4.32 2.34 … 2.31 30 2.72 81.46 233.00 降血脂新药4.8g组 2.86 2.28 2.39 2.28 … 1.68 30 2.70 80.94 225.54 降血脂新药7.2g组 0.89 1.06 1.08 1.27 … 3.71 30 1.97 5