专题七：方差分析11.21解析.pptVIP

专题七：方差分析 一、方差分析简介 方差分析（analysis of variance， ANOVA），也叫F检验（Fisher提出）。 方差分析，通过对比“组间变异”与“组内变异”，来推断样本是否来自同一总体。若组间变异显著的比组内变异大，则分组有效果。 根据因变量的数量，方差分析可分为一元方差分析和多元方差分析。 一元方差分析只包含一个因变量，可以有一个或多个因素； 多元方差分析包含多个相关因变量，可以有一个或多个因素。 按照自变量的数量，方差分析又可以分为只有一个因素的单因素设计和包含多个因素的多因素设计。 在方差分析中，根据实验设计的特点，因素可以区分为被试间因素和被试内因素两种。 被试间因素（between-subjects factor）用于把被试分为不同的组分别接受不同的实验处理（例如，性别）。 被试内因素（within-subjects factor）拥有多个实验水平，所有被试必须接受全部水平的实验处理。 如何进行方差分析与实验的设计方式有直接关系。不同的设计需要选择不同的统计模块。 单因素方差分析： Compare Means-One Way ANOVA（可选入多个因变量，但因变量之间必须相互独立，不存在相关。若存在相关，则是多元方差分析。） 双（多）因素方差分析：无重复（被试间设计）、重复（被试内设计）——General Linear Model-Univariate 协方差分析——General Linear Model-Univariate 还有，multivariate和repeated measure。 二、方差分析原理概述 目的：在同时考虑若干个控制因素的情况下，分别分析它们的改变是否造成观察变量的显著变动 （一）模型表达式入门 对一个服从正态分布，且已知均数、标准差的样本，用模型表达式来表达每个测量值 显然，这里的的εi应当服从正态分布，其均数为0，标准差为相应总体标准差 现希望比较三种疗法的治疗效果有无差异，则在此问题中，每一位个体的疗效Xij可以被表达为如下形式： 方便起见， 不同组的εij将被假设为服从相同的正态分布 总变异=处理因素导致的变异+随机变异 如果疗法1和疗法3的平均疗效不相等，则应当有α1≠α3。 如果三种疗法的平均疗效无差异，则应当有α1＝α2＝α3＝0。就是检验如下假设： H0：对任意的i取值，都有αi＝0，H1：至少有一个αi≠0 两因素时的分解情况 不同的疗法类型以及病人年龄分级对治疗效果的影响如何? 含交互作用时的两因素模型 当存在更多的影响因素时，只要依次将相应的效应项（及其交互作用项）加入模型表达式即可。 如果各影响因素间存在特殊、复杂的联系，则只要在模型表达式中将这种关联用适当的方式表达出来即可。 无论模型结构多复杂，假设检验都是基于变异分解的原理进行的，都是F检验。 根据变异分解式，可以将总的样本离均差平方和分解成各个部分，随后各个离均差平方和除以自由度可得到均方，进而将各效应的均方和误差均方相比较，就得到了F统计量。 （二）方差分析模型常用术语 因素（Factor） 因素是可能对因变量有影响的变量，一般来说，因素会有不止一个水平，而分析的目的就是考察或比较各个水平对应变量的影响是否相同。 水平（Level） 因素的不同取值等级称作水平，例如性别有男、女两个水平。 单元（Cell） 单元亦称试验单位（Experimental Unit），指各因素的水平之间的每种组合。例如在研究性别（二水平）、血型（四水平）对成年人身高的影响时，该设计最多可以有2*4＝8个单元。注意在一些特殊的试验设计中，可能有的单元在样本中并不会出现。 元素（Element） 指用于测量因变量值的观察单位，比如研究职业与收入间的关系，月收入是从每一位受访者处得到，则每位受访者就是试验的元素。 一个单元格内可以有多个元素，也可以只有一个，甚至于没有元素。 注意：元素不一定就等同于受访者个体！ 重复测量数据 以家庭为单位收集资料 均衡（Balance） 如果在一个实验设计中任一因素各水平在所有单元格中出现的次数相同，且每个单元格内的元素数均相同，则该试验是均衡的。 否则，就被称为不均衡。不均衡的实验设计在分析时较为复杂，需要对方差分析模型作特别设置才能得到正确的分析结果。 协变量（Covariates） 指对因变量可能有影响，需要在分析时对其作用加以控制的连续性变量。 实际上，可以简单的把因素和协变量分别理解为分类自变量和连续性自变量。 当模型中存在协变量时，一般是通过找出它与因变量的回归关系来控制其影响，亦可以用协方差分析。 交互作用（Interaction） 如果一个因素的效应大小在另一个因素不同水平下明显不同，则称为两因素间存在交互作用。 当存在交互作用时，单纯研