第7章协方差分析.pptVIP

第七章 协方差分析 ; 在科研中，实验效应除了受到处理因素的作用外，尚受到许多非处理因素的影响。如在研究临床疗效时，疗效的好坏不仅与治疗措施有关，还受病人的年龄、性别、病情、心理、环境、社会等因素的影响。;药物临床疗效研究;各组间的效应进行比较，必须保持组间的影响因素（混杂因素的比例）相同，组间才具有可比性。; 在混杂因素中，有些是难以完全控制的，如,天气变化，饲料的进食量；有些是可以控制的，如年龄，动物的初始体重。 ;常见的实例;在分析阶段控制混杂因素的方法： 1、采用分层分析：如把年龄分组，再比较同一年龄组的正常体重与超重组有无差别。（适用：计量、计数资料） 2、协方差分析（适用：计量资料） 3、多因素分析（适用：计量、计数资料） ;协方差分析(analysis of covariance，ANCOVA) 将线性回归与方差分析结合起来，检验两组或多组修正均数间有无差异的一种统计方法，用于消除混杂因素对分析指标的影响。 ;协方差分析的基本思想： 在作两组或多组均数 ， …， 的假设检验前，用线性回归分析方法找出协变量X与各组Y之间的数量关系，求得在假定X相等时修定均数 ， ， ，然后用方差分析比较修正均数间的差别，这就是协方差分析的基本思想。;协方差分析的应用条件 ⑴要求各组资料都来自正态总体，且各组的方差相等；（t检验或方差分析的条件） ⑵各组的总体回归系数βi相等，且都不等于0（回归方程检验）。 因此，应用协方差分析前，要对资料进行方差齐性检验和回归系数的假设检验（斜率同质性检验），只有满足上述两个条件之后才能应用，否则不宜使用。 ;协方差分析的应用条件 ;两条回归直线不平行;三条回归直线基本平行;不满足条件时的处理方法 ;协方差分析适用的资料 协方差分析可用于： 完全随机设计、随机区组设计、拉丁方设计、析因设计等资料； 协变量X可以仅有一个，称一元协方差分析； 协变量也可以有多个，称多元协方差分析。 ; 协方差分析有二个意义 ， 一是对试验进行统计控制，二是对协方差组分进行估计，现分述如下。 一、对试验进行统计控制 为了提高试验的精确性和准确性 ，对处理以外的一切条件都需要采取有效措施严加控制，使它们在各处理间尽量一致，这叫试验控制。; 但在有些情况下，即使作出很大努力也难以使试验控制达到预期目的。例如： 研究几种配合饲料对猪的增重效果，希望试验仔猪的初始重相同，因为仔猪的初始重不同，将影响到猪的增重。经研究发现：增重与初始重之间存在线性回归关系。但是，在实际试验中很难满足试验仔猪初始重相同这一要求。;这时可利用仔猪的初始重(记为x)与其增重(记为y)的回归关系， 将仔猪增重都矫正为初始重相同时的增重，于是初始重不同对仔猪增重的影响就消除了。由于矫正后的增重是应用统计方法将初始重控制一致而得到的，故叫统计控制。统计控制是试验控制的一种辅助手段。经过这种矫正，试验误差将减小，对试验处理效应估计更为准确。; 若 y 的变异主要由x的不同造成(处理没有显著效应)，则各矫正后的 间将没有显著差异(但原y间的差异可能是显著的)。 若 y的变异除掉x不同的影响外， 尚存在不同处理的显著效应，则可期望各 间将有显著差异 (但原y间差异可能是不显著的)。此外，矫正后的 和原y的大小次序也常不一致。;所以， 处理平均数的回归矫正和矫正平均数的显著性检验，能够提高试验的准确性和精确性，从而更真实地反映试验实际。这种将回归分析与方差分析结合在一起，对试验数据进行分析的方法，叫做协方差分析(analysis of covariance)。 ;二、估计协方差组分 在第六章曾介绍过表示两个相关变量线性相关性质与程度的相关系数的计算公式： 若将公式右端的分子分母同除以自由度(n-1)，得 （10-1） ; 其中 是x的均方MSx，它是x的 方差 的无偏估计量； 是y的均方MSy，它是y的 方差 的无偏估计量； ; 称为x与y的平均的离均差的乘积和，简称均积，记为MPxy，即 ; 与 均 积 相 应 的 总 体参 数 叫 协 方 差（covariance），记为COV(x,y)或 。统计学