第九章双向方差分析.pptVIP

第九章 方差分析（二）：双向方差分析 第一节 随机区组设计的两因素方差分析 随机化区组设计(randomized block design)： 将全部受试对象按某一个重要的属性（即区组因素）分组，把条件最接近的a个受试对象分在同一个区组内，然后用完全随机的方法，将每个区组中的全部受试对象分配到a个组中去。 SPSS演示 第二节 数据变换 一.对数变换(logarithm transformation) Y=lgX 常用于： 1）使服从对数正态分布的数据正态化。如生长率、变化速度、 抗体滴度等。 2）使数据达到方差齐性，特别是各样本的标准差与均数成比例时。 例：为了诊断某种疾病需要测量一项指标，现用4种不同的方式来测量这一指标，以增加诊断的可靠性。表1是对4名健康人测得的数据。试检验4种测量方式有无差异？ 二.平方根变换(square root transformation) 例：下面的表1资料是3组小白鼠在注射某种同位素24h后脾脏蛋白质中放射性强度的测定，试问芥子气和电离辐射对同位素进入脾蛋白质是否起抑制作用？ 三.倒数变换 四.平方根反正弦变换(arcsine square root transformation) 第三节 析因设计的方差分析 如果试验所涉及的处理因素的个数?2，当各因素在试验中所处的地位基本平等，而且因素之间存在交互作用时，需选用析因设计(factorial design)。 一.2×2析因设计 SPSS演示 二.三因素析因试验分析 SPSS演示 第四节 定量资料假设检验方法概述 例 用A、B两药治疗12名贫血病人，性别、年龄一致，随机分成4组，治疗后1个月测得血中红细胞增加数（1012/L），结果如表，问A、B两药的治疗效果如何？两药是否存在交互效应？ A、B两药治疗后病人红细胞增加数 （1012/L） A 药 B药 用 不用 用 不用 2.1 2.2 2.0 0.9 1.1 1.0 1.3 1.2 1.1 0.8 0.9 0.7 （1）建立检验假设和确定检验水准 对于有重复的两因素设计资料方差分析，可以作3个原假设。 H0：A药无效； 或 H0：B药无效； 或 H0：A、B两药无交互作用。 ?=0.05 （2）计算F值 1）列表计算各种 ?X、 ?X2。 A 药 B 药 用（i=1） 不用（i=2） 合计 用（j=1） 不用（j=2） 合计 ?X=6.3 ?X2=13.25 ?X=3.6 ?X2=4.34 ?X=9.9 ?X2=17.59 ?X=3.0 ?X2=3.02 ?X=2.4 ?X2=1.94 ?X=5.4 ?X2=4.96 ?X=9.3 ?X2=16.27 ?X=6.0 ?X2=6.28 ?X=15.3 ?X2=22.55 2）校正数C= （? X）2/n = 15.32/12=19.51 3）总的离均差平方和 SS总= ? X2 - C = 22.55-19.51=3.04 4）总的处理离均差平方和 SS总处 =? ? =6.32/3+ 3.02/3+ 3.62/3+ 2.42/3-19.51=2.96 5）A药的离均差平方和 SSA =? （ ? X） i j2 nij - C （ ? X） i2 ni i j i - C =9.92/6+ 5.42/6-19.51= 1.69 6）B药的离均差平方和 SSB =? （ ? X） j2 nj j - C =9.32/6+ 6.02/6-19.51= 0.91 7）A药和B药的交互作用