13章协方差研究生解说.pptVIP

复习方差内容 1.方差分析的基本思想 2.成组设计的多个样本均数比较 3.配伍组设计的多个样本均数比较 4.多个样本均数的两两比较 5.重复测量方差分析（与方差对应） 方差分析（analysis of variance, ANOVA） 应用范围 1.用于两个或两个以上样本均数的比较 2.分析两个或多个研究因素的交互作用 3.回归方程线性假设检验等。 应用条件 1.各样本是相互独立的随机样本； 2.各样本来自正态分布总体 3.各总体方差齐。 如果不符合上述条件就要对资料进行处理。 单因素方差分析变异构成 SS组间 各种变异的表示方法 SS总 ?总 MS总 SS总 ?总 方差分析的基本思想 总变异(total variation)：SS总 ν总=（N?1）。 组内变异(variation within groups)：SS组内 ν组内=N?k， 组内均方:MS组内=SS组内 /(N?k)。 组间变异(variation among groups)：（SS组间 ν组间=（k?1）, 组间的均方：MS组间=SS组间 /(k?1)。 请设计一个实验： 饮食（肉食者，素食者）与运动强度（轻、中、重）对脉搏的影响（人群研究）。 直线回归的变异来源 协方差分析（analysis of covariance）是把直线回归分析与方差分析结合起来的一种统计分析方法，用来消除混杂因素对处理效应的影响，提高分析结果的真实性。属多元统计方法范畴。 一 基本思想 2.各组间不同质：但在医学科研中常遇到以下情况：如在食品营养的动物实验中，各组动物所增加的平均体重不仅与各种饲料的营养价值有关，还与各组动物的初始体重、进食量有关。初始体重、进食量都是影响观察指标的变量，亦称混杂因素，在统计分析中又称协变量；考虑协变量影响的方差分析，即为协方差分析。 1.协方差分析：是解决混杂因素影响的分析方法，它是将线性回归与方差分析结合起来，检验2个或多个修正均数间有无差别的假设检验方法。目的把与Y有线性关系的协变量影响化为相等后，再来比较修正均数间的差别。 例如，在上述的营养研究中，若要比较不同饲料组的动物增重有无差别，而动物的增重又与进食量、初始体重有线性关系时，可先用直线回归的方法，找出各组因变量（增重）与协变量（进食量或动物体重）之间的数量关系，求得在假定协变量相等时的修正均数，然后用方差分析比较修正均数间的差别。 二 、协方差应用条件及其用途 1．协方差分析的应用条件 (1)各样本是来自于方差相同的正态总体的随机样本，即： . (2)各样本的X与Y呈直线回归关系，即： ;且各组间回归直线平行（组间差别无统计学显著性意义） ，即： 在做协方差分析之前，须先进行方差齐性检验、正态性检验和回归系数的假设检验。符合上述条件，或经变量变换后符合上述条件，方可进行协方差分析；否则，不宜用此法。 2．协方差分析的用途 根据研究目的不同，协方差分析可用于完全随机设计、配伍组设计、拉丁方设计和析因设计的资料。下面介绍完全随机设计和配伍组设计的协方差分析的步骤。 三、协方差分析步骤 (一)变异的分解及其公式 协方差分析将因变量Y的残差分为两部分：修止均数间的变异和组内残差。 修正均数指的是当混杂因素(初始体重、进食量等）一致时，各处理组的因变量（如增重）的平均值。修正均数间的变异是由处理因素（如本例的不同饲料）、个体变异、随机误差造成的。 组内残差是由个体变异、随机误差造成的。 如果修正均数的变异远远地大于组内残差的话，可以认为处理因素有作用；如果修正均数的变异与组内残差相差不大，则不能认为处理因素作用。 表2 两种饲料喂白鼠实验的进食量（x,g）及增重（y,g）资料 基本公式有： 1.总变异 2.组间变异 3. 组内变异 4.计算残差平方和及自由度 第二节 完全随机设计的协方差分析 完全随机设计 :将受试对象随机分配到各组,每组分别接受不同的处理后,进行 比较推断各组的处理效果是否相同. 表13-1 完全随机设计的协方差分析的资料模式 表13-3 三种饲料喂猪的进初始重量与增重（单位公斤） 表13-3 三种饲料喂猪的进初始重量与增重（单位公斤） 协方差分析步骤: 一、判断协方差条件 （一）正态性检验和方差齐性检验 （二）要求各样本来自方差相等的正态总体 （三）判断X和Y有无线性关系 要求总体回归系数不等于0。因回归系数与相关系数检验等价，可进行相关系数假设检验代替 根据原始资料绘散