08第八章协方差分析.pptVIP

协方差分析analysis of covariance 郜艳晖 广东药学院卫生统计学教研室 主要内容 方差分析、回归分析原理回顾 协方差分析基本思想 协方差分析应用条件 协方差分析步骤和SAS程序 方差分析原理 完全随机设计： SS总＝SS处理＋SS误差 随机区组设计： SS总＝SS处理＋SS区组＋SS误差 回归分析原理 线性回归模型 模型的估计和检验 SS总＝SS回归＋SS残差 回顾 方差分析 自变量是离散型分类变量，比较自变量的不同水平上因变量均值的差异。 回归分析 自变量是连续型数值变量，用来估计自变量改变一个单位时因变量的平均改变量。 回顾 一般线性模型(GLM) 将线性回归分析中自变量的数据要求放宽，方差分析和线性回归分析可以统一在一个模型里面。 因变量：连续型 自变量：任意类型 协方差分析的基本思想 将回归分析和方差分析结合应用的一种统计分析方法； 将方差分析和回归分析方法统一到一个模型中，应用起来更加方便； 更主要的目的是将统计分析领域中两种最重要的分析手段结合起来并加以拓展，使实用性和准确性得到进一步提高。 协方差分析的基本思想 方差分析的目的 检验处理因素不同水平的因变量均值有无差异。 或者说研究处理因素对应变量的影响。 变异分解：处理因素效应 误差：随机误差（抽样产生） 其它未知因素或混杂因素的效应 协方差分析基本思想 协方差分析基本思想 比较肺活量时，要消除身高的影响。 方法1：抽样时，选身高相近的。 方法2：从统计分析技巧上平衡数据。 校正了身高的影响后（回归分析），再比较两组肺活量的均数有无差异（方差分析）。 协方差分析基本思想 在方差分析中，用来校正因变量的数值型变量称为协变量（covariable）。 含有协变量的方差分析称为协方差分析。 协方差分析可提高方差分析的准确度。 协方差分析基本思想 建立因变量Y对协变量X的线性回归关系，并利用这种回归关系把X值化为相等后再进行各组Y的调整均数的比较。其实质是从Y的总离均差平方和中扣除X对Y的回归平方和，对残差平方和作进一步分解后再进行方差分析，以便更准确的评价处理的效应。 协方差分析是比较校正了协变量作用后的调整均数有无差异。 数据形式 完全随机设计的协方差分析 随机区组设计的协方差分析 交叉设计的协方差分析 析因设计的协方差分析 协方差分析应用条件 处理因素的每个水平上，因变量Y服从正态分布，且等方差（方差齐） 处理因素的每个水平上，Y和X呈线性关系，且斜率相同（即处理因素和协变量X无交互作用） 协方差分析步骤 完全随机设计的协方差分析 应用条件检验 回归分析 求调整均数 对调整均数作方差分析 SAS程序 完全随机设计的协方差分析 正态性检验（proc univariate normal） 方差齐性检验（proc glm→means a/hovtest） 回归方程假设检验（proc reg） 回归系数相等的假设检验（proc glm→model y=a x a*x ） 协方差分析 SAS程序 完全随机设计的协方差分析 Proc glm; Class a; Model y=a x/solution ss3; Lsmeans a/stderr pdiff; Run; SAS程序 随机区组设计的协方差分析 Proc glm; Class a b; Model y=a b x/solution ss3; Lsmeans a/stderr pdiff; Run; SAS程序 析因设计的协方差分析 Proc glm; Class a b; Model y=a b a*b x/solution ss3; Lsmeans a/stderr pdiff; Run; * * 20名男性篮球运动员和20名大学生的肺活量（cm3）比较 4000 4800 ┇ ┇ 4100 5200 3450 4700 大学生 肺活量Y 篮球运动员 肺活量Y 协方差分析基本思想 4000 169 4800 174 ┇ ┇ ┇ ┇ 4100 170 5200 175 3450 168 4700 185 肺活量Y 身高X 肺活量Y 身高X 大学生 篮球运动员 20名男性篮球运动员和20名大学生的肺活量（cm3）比较 协 变 量 大学生 篮球运动员 图1 协方差分析示意图 调 整 均 数