第六讲方差分.docVIP

方差分析 第一节 概述 前面介绍了两样本均数比较的t检验，但在实际研究中经常需要多组均数的比较。如：例5.1 患有某种肿瘤的大白鼠接受不同实验处理后(对照未服药；服抗癌A药；服抗癌B药；服抗癌C药)，2周后体内存活的肿瘤细胞数如表5.1所示，比较不同实验处理后的平均存活肿瘤细胞数是否有差异。 表5.1 不同实验处理后存活肿瘤细胞数（有丝分裂细胞／10个高倍镜视野） 对照 服抗癌A药 服抗癌B药 服抗癌C药 合计 48 45 23 5 50 51 20 6 46 47 22 0 52 48 19 2 48 47 21 2 50 4 N 5 6 5 6 22 48.80 48.00 21.00 3.17 33.45 s 2.28 2.19 1.58 2.23 20.14 本例中共有4种实验处理，在实验设计中称为一个因素中的4个水平：第一个水平为对照处理；第二个水平为服用A药处理；第三个水平为服用B药处理；第四个水平为服用C药处理。根据本例的研究问题，相应的假设检验为 H0:m1=m2=m3=m4 vs H1:m1，m2，m3，m4不全相同 不能用t检验进行两两比较，第一类错误会增大。 由于本例共有4组的均数需要比较。如果用t检验进行两两比较，共要进行次t检验。如果每次t检验犯第一类错误的概率为0.05，则不犯第一类错误的概率为0.95，6次都不犯第一类错误的概率为，因此在6次t检验中至少有一次犯第一类错误的概率为。由此可见用t检验进行多组均数的比较会增大犯第一类错误的概率。 要用方差分析或多组的秩和检验(Kruskal Wallis test)的方法进行多组比较： 方差分析的英文全称为Analysis of Variance，缩写简称为ANOVA。 统计分析策略 如果每一组资料服从正态分布(或大样本)，并且方差齐性，则可以用方差分析的方法进行比较。 如果方差不齐或小样本而非正态分布，则用Kruskal Wallis 进行检验。 第二节 完全随机设计资料的方差分析 一、完全随机设计 表5.1 不同实验处理后存活肿瘤细胞数（有丝分裂细胞／10个高倍镜视野） 对照(i=1) 服抗癌A药(I=2) 服抗癌B药(I=3) 服抗癌C药(I=4) 合计 48 45 23 5 50 51 20 6 46 47 22 0 52 48 19 2 48 47 21 2 50 4 n 5 6 5 6 22 48.80 48.00 21.00 3.17 33.45 s 2.28 2.19 1.58 2.23 20.14 例5.1就是完全随机设计的资料。该例中的处理因素是不同的实验处理（即服用不同药物情况），共有4个水平，对照未服药、服抗癌A药、服抗癌B药和服抗癌C药，观察指标是大白鼠体内存活肿瘤细胞数，观察结果及部分描述统计量见表5.1。 二、变异的分解(以本例为例) 组间变异 其中为第1组，第2组，第3组和第4组的样本均数，为所有数据的平均数。 自由度v=4－1＝3 组内变异 为各组的样本标准差。 自由度v=22－4=18 可以证明： H0:m1=m2=m3=m4成立时，SS组间较小 H0:m1=m2=m3=m4不成立时，SS组间较大 H0:m1=m2=m3=m4是否成立与组内变异SS组内无关。 SS总＝SS组间＋SS组内，其中 其中表示所有资料的平均数，用N表示总样本量(本例N=5+6+5+6=22)。 资料Xij越离散，SS越大，反之亦然。 SS还与样本的自由度（degree of freedom）=N－1有关(N为总样本量)，自由度增大，SS增大。 组内变异自由度为 由于组间变异和组内变异与自由度有关，所以不能直接比较离均差平方和。将各部分的离均差平方和除以各自的自由度，得到相应的平均变异指标：均方（mean square，记为MS）。组间变异和组内变异的均方可通过公式5.7和公式5.8计算得到。 (5.7) (5.8) 均方消除了自由度的影响，因而可以进行比较。将组间均方除以组内均方，就得到方差分析的检验统计量F。 (5.9) 可以证明，当H0成立时，则 F服从自由度为k-1和N-k的F分布；若H0不成立，则F不服从F分布，且大多数情况下，F远大于1。因此，可通过F的大小判断H0的成立与否。 三、方差分析的步骤 1.建立假设并确定检验水准 根据例5.1的题意，可作如下假设： H0：不同实验组大白鼠体内存活的肿瘤细胞数的总体均数相同，即； H1：不同实验组大白鼠体内存活的肿瘤细胞数的总体均数不全相同。 检验水准： 2、计算检验统计量 根据表5.3的计算公式，可计算各变异部分的离均差平方和、自由度、均方和检验统计量F值。 表5.3 完全随机设计资料方差分析的计算公式(k个样本) 变异来源 离均差平方和（SS）