方差分二(多因素方差分析new).pptVIP

方差分析（二） Analysis of Variance (ANOVA) 2011.10.28;学习要点;方差分析;方差分析（二） 两因素、多因素方差分析;;资料类型： 随机区组设计（randomized block design）是将受试对象按自然属性（如实验动物的窝别、体重，病人的性别、年龄及病情等）相同或相近者组成区组，然后把每个区组中的受试对象随机地分配给不同处理。设计中有两个因素，一个是处理因素，另一个是按自然属性形成的区组。区组的选择原则是“区组间差别越大越好，区组内差别越小越好”。 ; 它是比完全随机设计更精细的一种设计方法，这样设计的资料作方差分析的检验效能较高，因为在此种设计的方差分析表中多了一个分析内容──区组间的变异，致使误差均方有一定程度的缩小。 ;;;随机区组设计的方差分析表; ;表9 四种温度下测量家兔的血糖浓度值(mmol/L);离均差平方和与自由度的分解 ;建立假设检验，确定检验水准;表10 例2资料的方差分析表 ;确定P值并作出统计推断 ; 在随机区组设计的方差分析时，研究者感兴趣的是研究因素。但是区组效应是否有统计学意义也是相当重要。; 当设计方案配对设计时，随机区组设计方差分析所算得处理因素统计量F与配对t检验所得统计量t 有如下关系： F=t2 ;N-g (n1-1 + n2-1 + n3-1 +...ng -1）;;回顾：什么是析因设计; 析因设计 factorial design是一种多因素的交叉分组设计。它不仅可检验每个因素各水平间的差异，而且可检验各因素间的交互作用。两个或多个因素如存在交互作用，表示各因素不是各自独立的，而是一个因素的水平有改变时，另一个或几个因素的效应也相应有所改变；反之，如不存在交互作用，表示各因素具有独立性，一个因素的水平有所改变时不影响其他因素的效应。 ;2×2析因设计;2×3=6种处理;A;3×3析因试验举例;析因设计的方差分析;卫生统计学教研室;（一）单独效应;（二）主效应;(三)交互效应;正交互效应（协同作用）：;;;析因设计的方差分析;析因设计的方差分析;假 设 检 验;SAS程序;优点： 研究多因素的效应 分析因素的交互作用 节约样本含量 缺点 统计分析较复杂 临床科研中不宜得到适宜交互作用分析的资料 因素和水平数均不宜过多，否则实验量太大 ;例3：;表12 4种不同处理情况下吸光度的值(%);单独效应 (simple effect) 主效应 (main effect) 交互效应 ;表13 例3资料吸光度均数的差别 ;交互效应 ;AB交互效应 ＝ BA交互效应 　　　;图 2×2析因设计交互作用示意图 ;离均差平方和与自由度的分解 ;建立检验假设并确定检验水准 ;计算检验统计量;旺貌鸭卒寺鲁它穆瘸酬酋孔影渤蛹小甭匣椭幻芦谦高西色钟那癸砌坚闺遗方差分析二(多因素方差分析new)方差分析二(多因素方差分析new);ν总=Ｎ-1= 24 -1=2 3 ν处理=(A的水平数?B的水平数)-1 =(2 ?2)-1=3 νA=A的水平数-1=2-1=1 νB=B的水平数-1=2-1=1 νAB= (2 -1) ? (2 -1) = 1 νe =(2 ?2) ?(6-1)=20 ;禽躬特厅腊磺舌琶浪罕迹涟导悬竿遭到顾纳汽揪帅陷燃嘴谣馁罢抚秩湘矽方差分析二(多因素方差分析new)方差分析二(多因素方差分析new);嘿涣俩腰咏玄矫啃恃琢瑞队秽顾卯奋盆斜竞氧绑兜校桂怂秃推记羚查遗面方差分析二(多因素方差分析new)方差分析二(多因素方差分析new);表14 例3资料方差分析表;确定p值并作出推断结论 ; 如要分析A因素或B因素的单独效应，应固定在A因素的基线水平来分析B因素的作用，或者固定在B因素的基线水平来分析A因素的作用 。 ;若交互作用无统计学意义 SS总= SSA+SSB+SS误差 其中SS误差为交互作用的离均差平方与误差离均差平方相加而得。它们的自由度是由两者的自由度相加而得。 ;; 例4 ： 为探索丹参对肢体缺血再灌注损伤的影响，将30只纯种新西兰实验用大白兔，按窝别相同、体重相近划分为10个区组。每个区组3只大白兔随机采用A、B、C三种处理方案，即在松止血带前分别给予丹参2ml/kg、丹参1ml/kg、生理盐水2ml/kg，在松止血带前及松后1小时分别测定血中白蛋白含量(g/L)，算出白蛋白减少量如下表9-6所示，问A、B两方案分别与C方案的处理效果是否不同？;dat