第章方差分析.ppt

方差分析(Analysis of variance, ANOVA)由英国统计学家R.A.Fisher提出，又称F检验，是通过对数据变异的分解来推断不同样本所代表的总体均数是否相同，用于比较两个或两个以上均数的比较。本章的方差分析主要用来比较多个均数。 例9-1 为研究大豆对缺铁性贫血的恢复作用，某研究者进行了如下实验：选取已做成贫血模型的大鼠36只，随机等分为3组，每组12只，分别用三种不同的饲料喂养：不含大豆的普通饲料、含10%大豆饲料和含15%大豆饲料。喂养一周后，测定大鼠红细胞数(×1012/L)，试分析喂养三种不同饲料的大鼠贫血恢复情况是否不同？ 能否用两样本t检验进行两两比较？ 第一节 方差分析的基本思想和应用条件 一、方差分析的基本思想 方差分析的基本思想就是把全部观察值间的变异—总变异，按设计和需要分解成两个或多个组成部分，然后将各部分的变异与随机误差进行比较，以判断各部分的变异是否具有统计学意义。 前面已经学过，变异度的大小可以用标准差或方差来衡量。方差分析就是用方差来衡量，只不过将方差的分子离均差平方和SS及分母自由度v 分开，分别来考虑。 二、方差分析的应用条件 进行方差分析时，数据应满足以下两个应用条件： 1. 各样本是相互独立的随机样本，均服从正态分布。 当样本含量较小时，资料是否来自正态分布的总体难 于进行直观判断和检验，常常根据过去的经验；当样本含量较大时，无论资料是否来自正态分布总体，数理统计的中心极限定理均保证了样本均数的分布仍然服从或近似服从正态分布，此时的方差分析是稳健的。但如果总体极度偏离正态，则需作数据变换，改善其正态性。 2. 各样本的总体方差相等，即方差齐性 对方差齐性检验的判断常用方差齐性检验的方法，检验多个样本所代表的总体方差是否相等常采用Levene检验。 实际上只要各组样本含量ni相等或近似，即使方差不齐，方差分析仍然稳健且检验效能较高或最高。 第二节 完全随机设计资料的方差分析 完全设计随机是将同质的受试对象随机地分配到各处理组。各组样本含量可以相等，也可以不等。完全随机设计是最常用的研究单因素两水平或多水平的实验设计方法。完全随机设计资料的方差分析用于成组设计多个样本均数的比较, 属单向(因素)方差分析(one-way ANOVA),它将数据按一个方向(即同一处理的不同水平或不同处理)进行分组整理。 例9.1就是一个完全随机设计的例子，即将同质的受试对象随机地分配到各处理组，再观察其实验效应。 完全随机设计资料方差分析的基本步骤 现以例9-1的资料说明方差分析的基本步骤： ①. 建立假设 H0：三个总体均数全相等，即?1=?2=?3 H1：三个总体均数不等或不全相等 ②. 确定检验水准 ?=0.05 ③. 计算F 统计量 可根据表9-2所列公式进行相应的计算。 第四节 多个样本均数的两两比较 在方差分析中，如果得到P≤0.05，按?=0.05水准拒绝H0，接受H1，说明多个总体均数不全相等。但其中哪些均数间相等，哪些均数间不相等，此时不能下结论，如欲达到此目的，需做均数间两两比较，并且此时不能用前面学过的两样本 t 检验对多样本均数作两两比较,而应采用专用的两两比较方法。两两比较的方法很多，有多重比较，线性对比，正交对比等。常用的多重比较可分为两种情形。 (1) 在研究阶段未预先考虑或预料到，经假设检验得出 多个样本总体均数不全等的提示后，才决定的多个均 数的两两事后比较。这类情况常用于探索性研究，往 往涉及到每两个均数的比较。可采用SNK(Student- Newman-Keuls)法、Bonfferoni t 检验、 t 检验 等等。 (2) 在设计阶段就根据研究目的或专业知识而计划好的某 些均数间的两两比较。 它常用于是先有明确假设的 证实性研究，如多个处理组与对照组的比较，某一 对或某几对在专业上有特殊意义的均数间的比较等。 可采用Dunnett-t 检验、LSD-t 检验等，也可用 Bonfferoni t 检验、 t 检验。 本书介绍两种常用的方法：SNK法和Dunnett法。 一、SNK法 SNK法也称NK(Newman-Keuls)法，属多重极差检验。其检验的统计量为q，故又称 q 检验。 二、