方差分析-1.pptVIP

例4-2的方差分析表 ? 3. 列方差分析表 变异来源 自由度 SS MS F P 总变异 119 82.10 组 间 3 32.16 10.72 24.93 0.01 组 内 116 49.94 0.43 4 .下结论 按 ，拒绝H0，接受H1，认为4个试验组ldl-c总体均数不相同，即不同剂量药物对血脂ldl-c水平的影响存在统计学意义上的差别。 方差分析的结果若拒绝H0，不能说明各组总体均数两两间都有差别。如果要分析哪两组间有差别，需要进行均数间的多重比较。 当g=2时，方差分析的结果与两独立样本均数比较的t 检验等价，且有 。 第四章 多个样本均数比较的 方差分析 analysis of variance, ANOVA 2013级硕士研究生《医学统计学》 第一节 方差分析的基本思想及应用条件 处理因素有g个水平。实验对象随机分为g个组，分别接受不同水平的干预，第i (i＝1，2，…，g)处理组的第j (j＝1，2，…，ni)个观察值用Xij表示 一、方差分析的基本思想 合计 Xij N S N＝nl+n2+…+ng 问题：推断g个处理组总体均数有无差别 总均数 各处理组均数 总例数 （一）测量数据的变异 离均差平方和(sum of squares of deviations from mean，SS) ： 1. 总变异: 所有测量值之间总的变异程度 其中 2. 组间变异：各组均数与总均数的离均差平方和，反映 间的变异程度。 存在组间变异的原因： 随机误差（个体变异和测量误差） 不同处理（处理的不同水平）效果的差异 3. 组内变异：同一组内各测量值Xij与其所在组均数的差值的平方和，反映组内个体的变异程度。 存在组间变异的原因： 随机误差（个体变异和测量误差） 不同处理的不同效果 存在组内变异的原因： 随机误差 离均差平方和的分解： 均方差：在SS基础上考虑自由度 均方(mean square，MS) （二）方差分析的检验统计量：F 组间变异：随机误差和处理的效应 组内变异：随机误差 F值越接近于l，越没有理由拒绝H0；反之，F值越大，拒绝H0的理由越充分。 当H0成立时，F统计量服从F分布。 根据分子自由度?1和分母自由度?2，查出特定显著性水准 下F分布的界值，作为判断统计量F值大小的标准。 根据计算的统计量F值与F界值的相对大小，决定H0成立的可能性。 方差分析的基本思想 将总变异分解为两个（如组间变异和组内变异）或多个部分，除随机误差外，各个部分的变异可由某个因素的作用加以解释。通过比较不同来源的变异（均方），借助F分布做出统计推断。若F值大于某个临界值，表示处理组间的效应不同；若F值接近甚至小于某个临界值，表示处理组间效应相同(差异仅仅反映随机误差)。 不同设计类型方差分析的基本思想相同：将处理间平均变异与误差平均变异比较。 不同设计类型方差分析的变异分解项目不同，应结合实际选择具体的方差分析方法。 二、方差分析的应用条件 各样本是相互独立的随机样本，均服从正态分布； 相互比较的各样本的总体方差相等，即具有方差齐性（homogeneity of variance）。 第二节 完全随机设计资料的方差分析 一、完全随机设计 采用完全随机化分组方法，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，实验结束后比较各组均数之间的差别有无统计学意义，推论g个处理因素的效应是否相同。 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，分别使用安慰剂和三个剂量的降血脂新药。 完全随机化分组方法： 1. 实验单位编号 2. 取随机数 3. 随机数排序 4. 按随机数的序号决定组别 完全随机设计：统计方法选择 1. 正态分布且方差齐同：完全随机设计的单因素方差分析(one-way ANOVA)或两独立样本均数比较的 t 检验（g=2） 2. 非正态分布或方差不齐：数据变换或采用Wilcoxon秩和检验（非参数方法） 编 号 1 2 3 4 5 6 7 8 9 10 … 119 120 随机数 260 873 373 204 056 930 160 905 886 958 … 220 634 序 号 24 106 39 15 3 114