第五章差异分析.doc

第5章 方差分析 方差分析是统计学的一个重要范畴，是对观察结果的数据作分析的一种常用的统计方法，目的是检验两个或多个样本均数间差异的显著性意义。这种命名是因为在检验均数间差异是否具有统计学意义的过程中，我们实际上是通过比较方差而得到结果的。方差分析主要用于均数差别的显著性检验、分离各有关因素并估计其对总变异的作用、分析因素间的交互作用和方差齐性检验。 方差分析具有广泛的用途，例如医学界研究几种药物对某种疾病的疗效可以用方差分析方法去解决。 方差分析的概念 在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。通常是比较不同实验条件下样本均值间差异。方差分析是检验两个或多个样本均数间差异是否具有统计意义的一种方法。 1．方差分析原理 方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个： （l）随机误差，例如测量误差造成的差异，称为组内差异。用变量在各组的均值与该组内变量值之偏(离均)差平方和的总和表示。记作SS组内。 (2)实验条件, 即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏(离均)差平方和的总和表示。记作SS组间。 SS组间、SS组内除以各自的自由度得到其均方值即组间均方和组内均方。 一种情况是处理没有作用，即各样本均来自同一总体。 MS组间/MS组内＝l。考虑抽样误差的存在，则有MS组间/MS组内≈l。 另一种情况是处理因素确实有作用。组间均方是由于误差与不同处理共同导致的结果，即各样本来自不同总体。那么，组间均方会远远大于组内均方。MS组间＞＞MS组内。 MS组间/MS组内比值构成F分布。用F值与其临界值比较，推断各样本是否来自相同的总体。 2．方差分析的假设检验 假设有m个样本，如果原假设H0：样本均数都相同μ1=μ2=μ3= =μm=μ，m个样本有共同的方差σ2。则m个样本来自具有共同的方差σ2和相同的均数μ的总体。 如果经过计算结果组间均方远远大于组内均方的F＞F0.05(f组间,f组内)，（括号中的两个f是自由度）则p＜0．05，推翻原假设，说明样本来自不同的正态总体，说明处理造成均值的差异，有统计意义。否则，F＜F0.05(f组间,f组内)，P＞0．05承认原假设，样本来自相同总体，处理无作用。 方差分析中的术语 方差分析中常用的术语有以下几个： 1．因素与处理 因素是影响因变量变化的客观条件；处理是影响因变量变化的人为条件。也可以通称为因素。例如影响农作物产量的因素有气温、降雨量、日照时间等；研究不同肥料对不同种系农作物产量的影响时农作物的不同种系可称为因素，所施肥料可视为不同的处理。一般情况下Factors与Treatments在方差分析中可作相同理解。在要求进行方差分析的数据文件中均作为分类变量出现。即它们的值只有有限个取值。即使是气温、降雨量等平常看作是连续变量的，在方差分析中如果作为影响产量的因素进行研究，就应该将其数值用分组定义水平的方法事先变为具有有限个取值的离散变量。 2．水平 因素的不同等级称作水平。例如，性别因素在一般情况下只研究两个水平：男、女。化学实验或生物实验中的“剂量”必须离散化为几个有限的水平数。如：lml、2ml、4ml三个水平。应该特别注意的是在SPSS数据文件中，作为因素出现的变量不能是字符型变量，必须是数值型变量。例如性别变量SEX，定义为数值型，取值为0、l。换句话说，因素变量的值实际上是该变量实际值的代码，代码必须是数值型的。可以定义值标签F、M（或Female、male）来表明0、l两个值的实际含义，以便在打印方差分析结果时使用。使结果更加具有可读性。 3单元（Cell） 在方差分析中Ce11指各因素的水平之间的每个组合。例如研究问题中的因素有性别Sex，取值为1、2；有年龄，分三个水平1（10岁）、2（11岁）、3（ 12岁）。两个变量的组合共可形成六个单元：［1，l］、［l，2］、［1，3］、［2，l］、［2，2］、［2，3］，代表两种性别与三种年龄的六种组合。 4．因素的主效应和因素间的交互效应 这是在科学实验中常常遇到的问题。举例说明之：有A、B两种药物治疗缺铁性贫血，患者12例，分为4组。实验方案是：第一组用一般疗法；第二组在一般疗法基础上加用A药；第三组在一般疗法基础上加用B药，第四组在一般疗法基础上A、B两药同时使用。一个月后观察红细胞增加数。要求分析两种药物的疗效（数据见表12－l）。数据来源于《医用统计方法》（金丕焕，人民卫生出版社）。 表 12－1