第十四章 多变量数据的统计描述与推断(II).pptVIP

多变量数据的统计分析与统计推断（二）;;三 多组比较; 方差分析;两两比较: LSD\SNK\;;;正态性、方差不齐时对应的统计分析方法;多变量方差分析的主要思想： 将实验结果的总离差平方和SS总分解为SS组间和SS组内两部分，其中SS总， SS组间和SS组内矩阵表示。求得 Wilks Lambda统计量 计算F值，作出统计推断。;例14-4 将患慢性胃炎的儿童随机分为3组，其中I组、II组为治疗组，另一组为对照组。试比较治疗药T细胞免疫功能(外周血T3，T4，T8细胞百分比)的影响。表14-5是其中部分儿童的T细胞免疫功能的测量结果。试比较三组慢性胃炎儿童T细胞免疫功能是否存在差异？;编 号;1 作出检验假设，确定检验水准 ，即三组药物对T细胞免疫功能的影响是相等的。 H1：三个均向量不都相等。;表14-4 多变量方差分析表;计算均数：;求得组间离均差平方和矩阵H：;计算组内离均差平方和;变异来源;;表14-7 常见情况下 与F值的关系; 由表14-7可知，两组均数向量作假设检验时，除Hotelling T2外，还可用多变量方差分析。 m=3，g=3, 代入表14-7的第四个公式得：;3 确定P值，作出结论 查F值表， 拒绝H0，接受H1.认为三个组慢性胃炎儿童T细胞免疫功能有差别。 从三组的均数向量可看出，两个治疗组的T细胞免疫功能均比对照组低。 ;SPSS操作;data ex14_5; if _n_4 then c=1; else if _n_8 then c=2 ; else c=3; input id T3 T4 T8@@; cards; 1 63.6 30.2 31.2 2 60.0 30.0 33.4 …… 12 72.8 36.7 33.1 ; proc glm; class c; model T3 T4 T8=c; manova H=c/printe printh; lsmeans c/stderr pdiff; Run;;统计量 Wilks =det(E)/det(H+E) Pilai迹 =trace(H(H+E)-1) Hotelling-Lawley 迹 =trace(E-1H) R最大特征根 =E-1H的最大特征根;四 多变量与单变量分析; （1） 假定有k个样本均数向量，对每两个样本均数向量间的差别都作F检验，可作k!/2!(k-2)! 次比较，每个样本均数向量都重复比较了k-1次，如果仍以 为临界值，其Ⅰ型错误的概率会远远超过0.05。; 若有3个样本均数向量的比较，共作3次F检验，若每次比较的检验水准?=0.05，则每次不犯第一类错误的概率为???1-0.05) =0.95，则正确接受全部3次无效假设的概率为0.953=0.857,这时犯第一类错误的概率为 1-0.857=0.143。因此，两两比较时，不宜用前面所述的F检验。;（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;第三节 重复测量资料的多变量分析;编号;1 建立检验假设 ;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;图14-2 10名肥胖患者服药前后体重的变化趋势; 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;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;1 平行