多个样本均数比较的方差分析硕.pptVIP

目的：推断多个总体均数是否有差别。 也可用于两个 方法：方差分析，即多个样本均数比较的F检验。 基本思想：根据资料设计的类型及研究目的，可将总变异分解为两个或多个部分，每个部分的变异可由某因素的作用来解释。通过比较可能由某因素所至的变异与随机误差，即可了解该因素对测定结果有无影响。 应用条件： 总体——正态且方差相等 样本——独立、随机 设计类型： 完全随机设计资料的方差分析 随机区组设计资料的方差分析 拉丁方设计资料的方差分析 两阶段交叉设计资料的方差分析 记总均数为 ，各处理组均 数为 ， 总例数为N＝nl+n2+…+ng，g为处理组数。 1.总变异:全部测量值大小不同，这种变异称为总变异。 总变异的大小可以用离均差平方和(sum of squares of deviations from mean，SS)表示，即各测量值Xij与总均数差值的平方和，记为SS总。 总变异SS总反映了所有测量值之间总的变异程度。 2．组间变异： 各处理组由于接受处理的水平不同，各组的样本均数 (i＝1，2，…，g)也大小不等，这种变异称为组间变异。 其大小可用各组均数与总均数的离均差平方和表示，记为SS组间 。 3．组内变异： 在同一处理组中，虽然每个受试对象接受的处理相同，但测量值仍各不相同，这种变异称为组内变异（误差）。组内变异可用组内各测量值Xij与其所在组的均数的差值的平方和表示，记为SS组内, 表示随机误差的影响。 检验统计量： 变异原因 变异表现 一、完全随机设计 (completely random design)是采用完全随机化的分组方法，将全部试验对象分配到g个处理组（水平组），各组分别接受不同的处理，试验结束后比较各组均数之间的差别有无统计学意义，推论处理因素的效应。 例4-1 某医生为了研究一种降血脂新药的临床疗效，按统一纳入标准选择120名患者，采用完全随机设计方法将患者等分为4组进行双盲试验。问如何进行分组？ （1）完全随机分组方法： 1. 编号：120名高血脂患者从1开始到120，见表4-2第1行（P72）； 2. 取随机数字：从附表15中的任一行任一列开始，如第5行第7列开始，依次读取三位数作为一个随机数录于编号下，见表4-2第2行； （2）统计分析方法选择： 1. 对于正态分布且方差齐同的资料，常采用完全随机设计的单因素方差分析(one-way ANOVA)或成组资料的 t 检验（g=2）； 2. 对于非正态分布或方差不齐的资料，可进行数据变换或采用Wilcoxon秩和检验。 例4-2 某医生为了研究一种降血脂新药的临床疗效，按统一纳入标准选择120名高血脂患者，采用完全随机设计方法将患者等分为4组（具体分组方法见例4-1），进行双盲试验。6周后测得低密度脂蛋白作为试验结果，见表4-3。问4个处理组患者的低密度脂蛋白含量总体均数有无差别? 三、分析步骤 注意： 方差分析的结果拒绝H0，接受H1，不能说明各组总体均数间两两都有差别。如果要分析哪些两组间有差别，可进行多个均数间的多重比较（见本章第六节）。当g=2时，完全随机设计方差分析与成组设计资料的t 检验等价，有 。 一、随机区组设计——配伍组设计 (randomized block design) 随机区组设计(randomized block design)又称为配伍组设计，是配对设计的扩展。具体做法是：先按影响试验结果的非处理因素（如性别、体重、年龄、职业、病情、病程等）将受试对象配成区组(block)，再分别将各区组内的受试对象随机分配到各处理或对照组。 （2）随机区组设计的特点 随机分配的次数要重复多次，每次随机分配都对同一个区组内的受试对象进行，且各个处理组受试对象数量相同。区组内均衡。 在进行统计分析时，将区组变异离均差平方和从完全随机设计的组内离均差平和中分离出来，从而减小组内离均差平方和（误差平方和），提高了统计检验效率。 例4-3 如何按随机区组设计，分配5个区组的15只小白鼠接受甲、乙、丙三种抗癌药物？ 分组方法：先将小白鼠按体重编号，体重相近的3只小白鼠配成一个区组，见表4-6。在随机数字表中任选一行一列开始的2位数作为1个随机数，如从第8行第3列开始记录，见表4-6；在每个区组内将随机数按大小排序；各区组中内序号为1的接受甲药、序号为2的接受乙药、序号为3的