SAS均向量的统计推断.pptVIP

第2章 SAS均向量的统计推断 举 例: 在观察某药物降血压的作用时，至少要观察收缩压和舒张压两个指标 在儿童生长发育的研究中，通常测量其身高、体重、胸围，还有心功能、肺活量等指标 指标之间是相互联系和影响的 对多变量资料可以分别对单个变量进行一元分析。但这种处理方法至少有三个缺点： ①当变量较多时，重复进行一元分析会大大增加假阳性错误（I 型错误） ②一元分析结果不一致时，难以得到一个综合结论 ③忽略了变量间的相互关系 Hotelling介绍 Harold Hotelling（1895-1973），统计学家、经济学家、数学家。他原本在华盛顿大学主修新闻学，但后来转向数学作拓扑领域的相关研究，于1924年获得普林斯顿大学数学博士学位 Hotelling T2来自其最重要的论文 《The generalization of Student’s ratio》 1973年12月26日，卒于北卡罗来纳大学教堂山分校 例2.1 15例胸腺素治疗前后免疫球蛋白测定值（配对 page10） 差值的均向量： [-149.46667 -21.13333 -12.06667 ] 差值的方差协方差矩阵： 例2.1资料的单因素分析（配对 t 检验）结果 2.1.1 多元配对 T2 检验 检验假设 检验统计量 补充知识 2 矩阵虽然没有大小之分，但是矩阵可以进行加、减、乘、除运算 只有具有相同维度的矩阵才能进行矩阵的加法运算，此时称之为可加的（conformable for addition）。 矩阵相加时可交换位置 矩阵相乘原则是：只有前一个矩阵的列数和后一个矩阵的行数相同时才能够进行矩阵的乘法，称之为可相乘（conformable for multiplication）。矩阵相乘时不可交换位置 Am×m 矩阵的逆（inverse）类似算术运算中的除法，矩阵逆用表示 Am×m -1，矩阵的逆的求法很复杂 Am×m Am×m -1 = I 多元配对 T2 检验与配对 t 检验 Hotelling T 2 的分布 例2.1资料的分析结果 T 2 = 47.6559 F = 13.6160，P = 0.00036 故总的来说，可以认为治疗后免疫球蛋白下降 例2.2 两组贫血患者的血红蛋白浓度（%，X1）及红细胞计数（万/mm3，X2） 4.2 多元 T2 检验 检验假设 或 2.1.2 多元T2检验 检验统计量 合并的方差协方差矩阵 多元 T2检验与 t 检验 多元 T2 检验与 t 检验 Hotelling T 2 的分布 例2.2两组贫血患者的血红蛋白浓度（%，X1）及红细胞计数（万/mm3，X2） P = 0.0030 多元分析是单变量分析的扩展 对单变量（一元）资料 配对 t 检验是配对 T2 检验的特例； t 检验是 T2 检验的特例。 2.2 多元方差分析 多元方差分析 Multivariate analysis of variance, MANOVA 一元方差分析的基本思想： 对方差（离均差平方和）的分解 多元方差分析的基本思想： 对方差-协方差（离均差平方和-离均差积和）的分解 例2.3 三组贫血患者的血红蛋白浓度（%，X1）及红细胞计数（万/mm3，X2） 三组的均向量和离差矩阵 三组的离差矩阵之和（组内变异） 总离差矩阵 组间离差矩阵 检验假设 多元方差分析表 Wilks统计量?（lambda） 组内变异在总变异中的比例 | W | ? | | 行列式（determinant），是衡量多元资料变异程度的一种常用方法，称为广义方差 Wilks ∧ （Wilks lambda） Pillai trace （Pillai 迹） Hotelling-Lawley trace （Hotelling-Lawley 迹） Roy’s Greatest Root（Roy 最大特征根） Samuel S. Wilks（1906－1964），朴实的德克萨斯农家小伙。1931博士毕业于Iowa大学 30年代，Wilks在普林斯顿大学数学系，但是没有任何地方像美国大学的数学系那样“远离现实，深入抽象”。美国的数学家在抽象的世界里一直往前走 正如Wilks感伤地表示，这些数学系就像希腊神话中的海上女妖，不停地把全国最优秀的研究生引诱过去 二战中， Wilks为首成立普林斯顿统计研究小组，招聘了一批聪明的年轻数学家与统计学家，其中很多人战后仍对科学有重大贡献 Wilks尽力使数理统计不但成为数学里令人尊敬的一部分，还是一种实用的工具，他努力把同行的数学家们从冷酷的抽象世界中拉回来，不要为抽象而抽象 Wilks逝世于1964 年，享年58 岁。在过去的5