04第四章 actorial design and analysis2.ppt

析因设计与统计分析 郜艳晖 广东药学院卫生统计学教研室 提纲 单处理因素设计 完全随机设计（无配伍因素） 随机区组设计（一种配伍因素） 拉丁方设计（两种配伍因素） 交叉设计（时期效应、顺序效应） 共同特点： 只含一个处理因素； 不能分析因素间的交互作用。 析因设计 研究多个处理因素 研究因素间交互作用 析因设计类型 完全随机分组的析因设计 两因素两水平析因设计 也称2×2析因设计 多因素多水平析因设计 如2×2×2设计，2×2×3设计，2×3×2×2设计等 带区组因素的析因设计 析因设计类型 析因设计类型 三种因素对淋巴细胞转化试验结果 A：原料种类；B：培养液种类； C：植物血凝素浓度 。 析因设计的特点 析因设计的优缺点 优点： 可用于分析全部主效应（即各个单因素的作用）和因素之间的各级交互效应（即任两个因素之间的作用，任三个因素之间的作用）的大小。 缺点： 当因素较多或因素的水平数较多时，需要的试验次数太多。 析因设计中的三种效应** 交互效应（interaction effect) 单独效应（simple effect） 主效应（main effect） 析因设计中的三种效应 析因设计中的三种效应 析因设计中的三种效应 交互效应：两因素不是各自独立的，而是一个因素的水平有改变时，另一个因素的效应也随之变化，则称两因素间存在交互效应。 ?ab-?0(?a-?0)+(?b-?0)，则称A和B有协同作用。 ?ab-?0(?a-?0)+(?b-?0)，则称A和B有拮抗作用。 ?ab-?0=(?a-?0)+(?b-?0)，则称A和B无交互作用。 析因设计中的三种效应 单独效应：当其他因素的水平固定时，某一因素不同水平间的差别。 A因素的单独效应：(?a-?0)和(?ab-?b)； B因素的单独效应：(?b-?0)和(?ab-?a)； 析因设计中的三种效应 主效应：某一因素各水平间的平均差别。 A因素的主效应：[(?a-?0)+(?ab-?b)]/2； B因素的主效应：[(?b-?0)+(?ab-?b)]/2； 当没有交互效应时，主效应＝单独效应。 析因设计的方差分析 析因设计的方差分析 SAS统计分析 SAS统计分析 SAS程序： Proc glm data=a; Class a b; Model x=a b a*b; Run; SAS统计分析 结果输出： 主效应和交互效应的方差分析表 SAS统计分析 有交互效应时，需要分析单独效应 Lsmeans a*b/slice=b; *控制b因素在不同水平 下，显示a因素的作用; Lsmeans a*b/slice=a; *控制a因素在不同水平 下，显示b因素的作用; Run; 对均衡设计，lsmeans语句计算各组的算术平均数，对非均衡设计，lsmeans语句计算各组的最小二乘均值。 SAS统计分析 结果输出： SAS统计分析 结果输出： 析因设计分析策略** 析因设计的两两比较 有交互效应时 Proc glm data=a; Class a b; Model x=a b a*b; Lsmeans a*b/tdiff；*计算各组的最小二乘均数及两两 比较； Run; SAS统计分析 The GLM Procedure Least Squares Means LSMEAN a b x LSMEAN Number 1 1 0 1 1 2 1 2