SPSS第四次课试题.ppt

方 差 分 析（Analysis of Variance ） 湖南师范大学医学院 方差分析基本思想： 根据试验设计的类型，将全部观测值总的离均差平方和及其自由度分解为两个或多个部分，除随机误差作用外，每个部分的变异可由某个因素的作用（或某几个因素的交互作用）加以解释，通过比较不同变异来源的均方，借助F分布作出统计推断，从而推论各种研究因素对试验结果有无影响。 方差分析多用于多个样本均数的比较，其应用条件为： ①各样本是相互独立的随机样本； ②均服从正态分布； ③各样本的总体方差相等。 多个均数比较的方差分析 在SPSS软件中，方差分析是通过均数比较模块（Compare Means）中的One-Way ANOVA、一般线性模型模块（General Linear Model）和线性混合模型模块（Mixed Models）来完成。 One-Way ANOVA：只能处理最常见的单因素方差分析资料；一般线性模块：完成绝大多数设计类型的方差分析问题，包括单变量方差分析、多变量方差分析、重复测量设计方差分析和方差成分分析。它不仅能替代One-Way ANOVA的功能，而且提供了更多复杂设计类型资料的分析功能； 线性混合模块：是一般线性模型模块的补充，它允许资料不独立和方差不齐。它不仅能对资料的均数进行分析，还能对资料的方差和协方差进行分析。 内容： （1）完全随机设计资料的方差分析； （2）随机区组设计资料的方差分析； （3）拉丁方设计资料的方差分析； （4）两阶段交叉设计资料的方差分析； （5）析因设计资料的方差分析； （6）正交设计资料的方差分析； （7）嵌套设计资料的方差分析； （8）裂区设计资料的方差分析； （9）重复测量设计资料的方差分析。 1. 完全随机设计资料的方差分析 完全随机设计(completely random design)是采用完全随机化的分组方法，将全部试验对象分配到g个处理组（水平组），各组分别接受不同的处理，试验结束后比较各组均数之间的差别有无统计学意义，以推断处理因素的效应。 完全随机设计资料的方差分析 例4-2 某医生为了研究一种降血脂新药的临床疗效，按统一纳入标准选择120名高血脂患者，采用完全随机设计方法将患者等分为4组，进行双盲试验。6周后测得低密度脂蛋白作为试验结果，见表4-3。问4个处理组患者的低密度脂蛋白含量总体均数有无差别? 完全随机设计资料的方差分析 表4-3 4个处理组低密度脂蛋白测量值(mmol/L) 完全随机设计资料的方差分析分析步骤 1.建立数据文件: 分组变量“group”，数值型： 1=安慰剂组， 2=2.4g 组， 3=4.8g 组， 4=7.2g组 。 结果变量，低密度脂蛋白测量值，数值型； 2.统计分析： Analysis → Compare Means → One-way ANOVA ?Dependent List： 低密度脂蛋白含量 ? Factor：group Options： ?Descriptiv （统计描述） ?Homogeneity-of variance （方差齐性检验） ?Means plot（均数折线图） Post Hoc… 用于选择处理组间均数多重比较。 “Equal Variances Assumed”各组方差齐性条件得到满足时两两比较方法 LSD/ ? S-N-K 图1为统计描述结果 图2为方差齐性检验结果，P=0.1880.05,可以认为4个处理组低密度脂蛋白的总体方差齐同 方差分析的主要结果，组间变异=32.156，组内变异=49.967，总变异=82.123，F为检验统计量，F=24.884，P=0.0000.05，拒绝H0，接受H1，可以认为4个处理组低密度脂蛋白含量总体均数不同，即药物剂量对血脂中低密度脂蛋白降低有影响。 两两比较结果，说明除了2.4g组合4.8g组之间总体均数差异没有统计学意义外，其余任意两组间总体均数的差异均有统计学意义。 2.随机区组设计资料的方差分析 随机区组设计(randomized block design)又称为配伍组设计，是配对设计的扩展。先按影响试验结果的非处理因素将受试对象配成区组，再分别将各区组内的受试对象随机分配到各处理组或对照组。 随机