5第6章节方差剖析.pptVIP

第六章 方差分析 廖奇 宁波大学医学院 当试验的处理数目k≥3时，不能直接应用两两检验的方法进行均值假设检验，原因有三： 1. 当有k个均值进行比较时，需比较[k(k-1)]/2次，诸多次检验，程序实为繁琐。 2. 试验误差估计的精确度要受到损失。 3. 两两检验的方法会随着k的增加而大大增加犯α错误的概率。 第一节 方差分析的基本思想、应用条件及常见的类型 一、方差分析的基本思想 方差分析（analysis of variance）又称变异数分析，可简记为ANOVA，主要用于检验计量资料中的两个或两个以上均值间差别显著性的方法。 当欲比较几组均值时，理论上抽得的几个样本，都假定来自正态总体，且有一个相同的方差，仅仅均值可以不相同。 方差分析也是一种确定因变量与单个和多个自变量之间统计显著性的方法。 它可以根据其来源将一组数据的变差分解到不同的变差来源中，从而发现变差的重要程度，即变差是由偶然因素引起还是因为特殊原因引起的。 所谓的方差是离均差平方和除以自由度，在方差分析中常简称为均方MS（mean square）。 根据效应的可加性，将总的离均差平方和分解成若干部分，每一部分都与某一种效应相对应，总自由度也被分成相应的各个部分，各部分的离均差平方除以相应部分的自由度得出各部分的均方，然后列出方差分析表算出值，作出统计推断。 二、方差分析的类型 1）单因素方差分析 单因素方差分析适用于单因素x由两个以上水平时，确定因素各水平对因变量y的变差的影响 一个因素多个水平（固定效应和随机效应）。 完全随机设计, 随机化区组设计, 拉丁方设计 2）双因素方差分析 适用于两个因素x和两个以上水平时确定每个因素对因变量y的影响 两个或两个以上因素，每个因素有多个水平（固定效应、随机效应和混合效应）。 析因设计, 裂区设计, 交叉设计, 正交设计， 回归方程的假设检验 单因素方差分析 假设某单因素试验有k个处理，每个处理有n次重复，共有nk个观测值。这类试验资料的数据模式如下表所示。 组间变差示意图 比如μA、μB、μC 分别是A、B、C三种水平下对应的y的均值 总变差 SST =SSt+SSe (总的偏差平方和) =（由水平引起的偏差平方和) +(试验误差平方和) 总差异=组间差（又称为信号）+组内差（又称为噪声） 定义F值为组间均方和组内均方（随机误差造成）的比值 此F值服从自由度为v1=k-1,v2=N-k的F分布。 在方差分析中，F测验是用于测验某项变异因素的效应或方差是否真实存在，所以在计算F值时，总是将要测验的那一项变异因素的均方作为分子，而以另一项变异因素（例如试验误差项）的均方作为分母。 三、方差分析的适用条件 各样本是相互独立的 各样本数据服从正态分布 各处理组总体方差相等即方差齐性 四、方差齐性检验 F检验：适用于正态分布资料 两个总体方差的齐性检验 Bartlett ?2检验 ：适用于正态分布资料 Levene检验：适用于任何分布资料 五、常用两两比较方法 SNK法 LSD法 Bonfferoni法 Dunnett法 六、SAS 方差分析 ANOVA过程(Analysis Of Variance) GLM过程(General Linear Model) 第二节 多样本的正态性检验和方差齐性检验 一、多样本的正态性检验 例6-1 某单位在大白鼠营养试验中，随机将大白鼠分为三组，测得每组12只大鼠尿中氨氮的排出量X（mg/6 d）。试对该资料作正态性检验和方差齐性检验。 univariate过程 二、多样本的方差齐性检验 例6-2 对例6-1数据作方差齐性检验 proc anova data=d6_1; class group; model x=group; means group/hovtest; 默认采用levene检验 means group/hovtest=bartlett; run; 方差齐性检验 means的hovtest选项: 用于多个样本的方差齐性检验 默认采用levenes方法：即统计量F服从自由度v1=k-1,v2=n-k的F分布。 hovtest选项后指明bartlett，则SAS采用bartlett方法进行检验，其统计量服从自由度为k-1的卡方分布 bartlett方法要求资料服从正态分布，levenes方法不需要 三、变量变换 常用的变换： 对数变换 用于偏态（非对称）分布的计量资料 开根号