第2节 多因素方差分析.ppt

概述： 单因素方差分析是检验多个样本均数间差别有无统计学意义的统计学方法。 在医学领域中，还经常碰到研究多个因素对某个观察指标的作用的问题 。 多因素方差分析是分析两个及两个以上因素对观察指标影响的统计方法。 第一节 引言 方差分析中，影响观察指标的因素称为因子（factor);因子所处的状态称为因子的一个水平（level of factor);各因子水平的组合称为处理（treatment). 第二节 基本概念 一、方差分析基本思想 将全部观测值的总变异按影响结果的诸因素分解为相应的若干部分变异，构造出反映各部分变异作用的统计量，在此基础上，构建假设检验统计量，以实现对总体参数的推断。 主效应和单独效应 主效应(main effect)：某一因素各个水平间的平均差别 单独效应(simple effect): 指其它因素水平固定在一个水平时，某一因素不同水平之间均数的差别。 二、主效应 二因子方差分析 例：A、B两药治疗缺铁性贫血24例，试验结果如下： 四种疗法治疗缺铁性贫血后红细胞增加数（1012/L） 研究目的 本例研究目的之一为A药的使用是否会引起病人的红细胞数变化。 研究目的之二为B药的使用是否会引起病人的红细胞数的变化。 研究目的 研究目的 两因素有重复数据的方差分析变异分解 方差分析表  注意： 当因子A与B间的交互作用有统计学意义时，对A（或B）的单独作用的解释须小心。本例，用B药时，用A药病人比不同时用A药的病人的红细胞数均数大，不用B药时，用A药病人比不同时用A药的病人的红细胞数均数也大，故可说明A药有效。但有时可能出现这种情况，用B药时，用A药病人比不同时用A药的病人的红细胞数均数大，不用B药时，用A药病人比不同时用A药的病人的红细胞数均数小，此时就不能简单地说A药有利于病人红细胞数增加，需分别就用B药和不用B药两种情况说明A药的作用。对B作用的作用的解释也是如此。 三因子方差分析 例题 某研究者以大白鼠作试验，观察指标是肝重与体重之比（5%），主要想了解正氟醚对观察指标的作用，同时要考察用生理盐水和用戊巴比妥作为诱导药对正氟醚毒性作用有无影响，对不同性别大白鼠诱导的作用有何不同，以及对不同性别大白鼠正氟醚的作用是否相同。 方差分析的随机效应模型 一、固定效应和随机效应模型的定义 方差分析中的因子有选择型与随机型之分，若数据资料中涉及到因子水平是研究者关心的因子水平全体，则该因子属于选择型因子；相应的模型称为固定效应模型。 一、固定效应和随机效应模型的定义 若数据资料中涉及到因子水平只是研究者关心的因子水平总体的一个样本，则该因子属于随机型因子；若你的研究中有某些因子是随机型因子或全为随机型因子时，方差分析的模型与固定效应模型相同，但关于主效应、和交互效应的假定及F统计量的计算公式有些不同。 它们的计算公式为： 实例 某医院管理者欲了解血压计与量血压的医生对血压测定结果是否有影响。他在医院中随机抽取3台血压计，4名医生，对24名体检者测量血压，下面是舒张压的观察结果，请作分析。 方差分析的混合效应模型 例题：设某人研究围产期窒息对新生儿中血中次黄嘌呤浓度是否有影响，同时还了解新生出生一小时内次黄嘌呤浓度是否有变化。他随机抽取围产期窒息9名，不窒息的正常新生儿9名（作为对照）对每组的9名新生儿随机安排三个不同时间，测定血中次黄嘌呤浓度如下： 用混合效应作方差分析时，离均差平方和与自由度的计算与固定效应相同，但无效假设与F统计量不同。它们的计算公式为： 本章仅介绍二因子、三因子方差分析，二因子方差模型中除了各因子的主效应外，还有两因子的一级交互作用项；三因子模型中除了主效应，每两因子的交互效应外，还有三因子的二级交互效应；四因子模型中除主效应，每两因子一级交互效应，三因子的二级交互效应；还有四因子的三级交互作用项；五因子及五个以上的因子的模型以此类推。 第四节 协方差分析 概述 一、基本思想  协方差分析（analysis of covariance,ANCOVA)是将线性回归分析与方差分析结合起来的一种统计分析方法。在方差分析中，影响观察指标Y的因素往往是一些定性变量，而在线性回归分析中，影响Y的都是定量变量。协方差基本思想就是将那些定量变量X（