讲稿方差分析.docVIP

方差分析（ANOVA） 一. 方差分析的概念 方差分析（analysis of variance, ANOVA）又称变异数分析或F检验，其目的是推断两组或多组资料的总体均数是否相同，检验两个或多个均数的差异是否有统计学意义。我们要学习的主要内容包括单因素方差分析，即完全随机（成组）设计的方差分析和两因素方差分析即随机区组（配伍组）设计的方差分析。 方差分析除用于两个或多个均数的比较外，还可分析两个或多个研究因素的交互作用以及回归方程的线性假设检验等。根据资料设计的类型及研究目的，可将总变异分解为两个或多个部分，每个部分的变异可由某因素的作用来解释，通过比较可能由某因素所致的变异与随机误差（如组内变异），即可了解该因素对测定结果有无影响。 此外，多个均数间的比较，由于涉及的对比组数大于2，若仍用两组比较的ｔ检验，对每两个对比组作比较，会使犯第一类错误的概率（(）增大。例如：有5个均数的比较，可以用10次t检验比较，若每次比较的检验水准(=0.05，则每次比较不犯第一类错误的概率为（1－0.05）=0.95，那么10次比较均不犯第一类错误的概率为0.9510=0.5987，这时犯第一类错误的概率，也就是总的显著性水准变为1－0.9510=0.4013，比0.05大多了，大大增加了犯第一类错误的概率，可能把本来无差别的两个总体均数判为有差别。因此，多个均数比较不宜用前述ｔ检验分别作两两比较。 二．方差分析的应用条件 方差分析的应用条件如下： 1．正态分布，要求资料服从正态分布，偏态分布资料不适用方差分析。对偏态分布的资料应考虑使用秩和检验，或用变量变换方法将数据转变为正态或接近正态后再进行方差分析。 2．方差齐性，即各组的方差要相等，若组间方差不齐则不适用方差分析。故方差分析前，应做多个方差的齐性检验。 3．各样本是相互独立的随机样本。 三．完全随机（成组）设计的方差分析 下面我们用一个简单的例子来说明其基本思想： 三种方案治疗后血红蛋白增加量（g/L） 方案 观察值 n A 24 36 25 14 26 34 23 7 B 20 18 17 10 19 24 6 C 20 11 6 3 0 -1 4 5 8 三种人的载脂蛋白测定结果 糖尿病 IGT 正常人 85.7 96.0 144.0 105.2 124.5 117.0 109.5 105.1 110.0 96.0 76.4 109.0 115.2 95.3 103.0 95.3 110.0 123.0 110.0 95.2 127.0 100.0 99.0 121.0 125.0 120.0 159.0 111.0 115.0 106.5 从以上资料可以看出，30个观对象的载脂蛋白量各不相同，就其变异情况来分析，其总变异有以下两个来源： 组内变异：每组内部各个观察对象的载脂蛋白量各不相同，就其原因主要是由于随机误差所引起的。这种变异，叫做组内变异。 组间变异：三组患者的载脂蛋白量的均数不相等，导致不相等的原因，一是不同人群（处理不同）的影响，二是随机误差所引起。这种变异，叫做组间变异。 方差分析就是对数据中所包含的变异进行分析，并找出总变异中的各组成部分，如上述完全随机设计的例子，其总变异与及各组部分的关系为： SS总= SS组间+SS组内 v总= v组间+v组内 完全随机设计的方差分析，其假设如下： H0: 各总体均数相等 H1: 各总体均数不等或不全相等 (=0.05 完全随机设计的方差分析变异分解表 变异 来源 SS 自由度 v MS （方差，均方） F值 P值 组间 SS组间 v组间 MS组间= SS组间/ v组间 MS组间/ MS组内 F≥F(,(1,(2 P≤( 组内 SS组内 v组内 MS组内= SS组内/ v组内 F F(,(1,(2 P( 合计 SS总 v总 完全随机设计的方差分析，其F值就是用组间均方去除以组内均方（MS组间/MS组内）的商。若F F(,(1,(2 则P(，各均数间的差异没有统计学意义；若F ≥F(,(1,(2 则P≤(，各总体均数不等或不全相等，即各组均数间的差异有统计学意义，此时，还需进行后述的多重比较。 四. 随机区组(配伍)设计的方差分析 对随机区组(配伍)设计的多个均数比较，应采用随机区组(配伍)设计的方差分析，即两因素方差分析。 三种营养素喂养小白鼠的增重（g） 区组号 A营养素 B营养素 C营养素 1 50.1 58.2 64.5 2 47.8 48.5 62.4 3 53.1 53.8 58.6 4 63.5 64.2 72.5 5 71.2 68.4 79.3 6 41.4 45.7 38.4 7 61.9 53.0 51.2