第十四章多变量数据的统计描述与推断(II)解答.ppt

（2）单变量假设检验只能说明某一变量在数轴分布上的组间差别，不能反应多个变量在平面或空间上的差别,两者的意义不同。 表14-8 两组新生儿出生时的体重与身长数据 编号 A组 编号 B组 体重(Kg) 身长(Cm) 体重(Kg) 身长(Cm) 1 3.10 46 1 4.10 60 2 3.20 50 2 3.50 48 3 3.50 62 3 3.35 50 4 3.00 46 4 3.35 49 5 3.85 67 5 3.20 48 6 3.15 48 6 3.55 50 7 3.00 46 7 3.50 60 8 3.50 55 8 3.60 56 均数 3.29 52.50 3.52 52.63 方差 0.30 8.11 0.27 5.21 P(t检验) 1.62(0.13) 0.04(0.97) Hotelling T2 T2=9.87, F=4.58, P=0.03 第三节 重复测量资料的多变量分析 Ch12介绍了重复测量资料的单变量ANOVA分析方法。 若数据服从“球对称”（spherical symmetrical problem）时，就是通常的随机区组ANOVA。 若不服从“球对称”时，须校正自由度。 多变量分析的优点： 不须考虑数据的“球对称”，直接利用Hotelling T2检验。 编号 服药前 体重值 服药前后四周体重值 第1周 第2周 第3周 第4周 1 131.5 128.4 127.4 125.3 124.9 2 154.7 152.9 150.7 148.2 145.9 3 146.7 145.5 143.6 140.5 139.8 4 163.2 161.6 158.4 154.2 153.4 5 128.6 125.3 124.1 122.8 120.9 6 134.2 132.6 130.4 129.4 124.8 7 126.8 125.7 123.9 123.5 121.6 8 119.5 118.1 115.6 114.3 112.1 9 112.4 108.6 104.7 102.6 101.4 10 121.3 120.1 118.5 116.9 114.2 133.9 131.9 129.7 127.8 125.9 S 16.2 16.6 16.6 15.9 16.1 表12-1 高血压患者治疗前后的舒张压(mmHg) 1 建立检验假设 Cμ为初始时间为基线的重复测量对比矩阵(Repeated constrasts) 2 计算Hotelling T2 与F统计量 本例中n=10, m=5。 3 确定P值，作出检验结论 查表3.1得 拒绝H0，接受H1，即认为服药后1-4周的体重比服药前有所降低。 图14-2 10名肥胖患者服药前后体重的变化趋势 分析服药后1-4周的体重降低的变化趋势 将10名患者组内变异SS组内（v=4）分解为多项式的1次项、2次项、3次项、4次项，描述体重随时间变化的曲线趋势。 SPSS操作 结果 第四节 轮廓分析 轮廓(profile)分析是比较两组或多组多变量均数向量的轮廓是否相等。轮廓是指各组均数所连成的折线。 轮廓分析通常进行组间轮廓相似性或平行性（parallel） 、组间平均水平差异显著性和组内条件(如时间或各反应变量间)变异显著性三个方面的假设检验。 图14-3 不同麻醉诱导时相的平均收缩压 分析思路： 如果组间轮廓相似, 可进一步分析其他的变异, 即了解组间轮廓是否完全一致(即重合) 以及各组的轮廓图是否与水平轴(表示组内因素水平间差异，如时间上的差别) 平行, 因此, 轮廓分析首先进行的是轮廓相似性检。 例14-7 分别对50名硕士生和30名博士生进行健康状况抽样调查。调查问题设计如下7个问题： 对自已健康状况的满意程序 (X1) 是否需要调养身体 (X2) 身体胡不适或不舒服的感觉 (X3) 有生病的感觉 (X4) 有紧张情绪和压力感 (X5) 晚间休息感到不能很快入睡 (X6) 吃饭有时觉得胃口不好 (X7) 图14-4 调查问卷7个问题的平均得分 表 14-10 两组研究生健康问卷的平均得分 问题1 问题2 问题3 问题4 问题5 问题6 问题7 硕士生 均数 2.02 2.32 2.18 1.98 2.44 2.06 2.16 n=50 S 0.43 0.71 0.48 0.51 0.84 0.84 0.84 博士生 均数 2.03 2.30 2.27 1.90 2.27 1.90 2.13 n=30 S