t检验与单因素方差分析幻灯片.ppt

第七步：完成，解读结果 LSD：最小显著差异法 S-N-K：又称q检验 Dunnett：又称q’检验 结果解读1 描述了4组分别的和总的均值、标准差、标准误、95%CI、最小、最大值。 结果解读2 进行了方差齐性检验，p=0.048，p0.05，表示方差不齐。 结果解读3 总的组间差异比较，F=83.546，p=0.000，p0.01，表明组间差异有统计学意义。 结果解读4：组间均值的两两比较 结果解读5 S-N-K检验结果将无统计学意义的比较组列在同一列中。即样本均数显示在同一列时，表示两组总体均数差别无统计学意义。 【例8】将四物汤、四君子汤与十全大补汤应用于多次放血造成的小白鼠血虚证模型进行治疗，并与空白组对照。用药2周后分别测其小白鼠末梢血的血红蛋白Hb含量(g/L)，结果如表，试比较三者的疗效。 SPSS软件操作 第一步：建立“血红蛋白”、“组别”两个变量。对组别进行定义。 第二步：将32个数据及伴随的组别依次录入SPSS，形成32行2列的数据集。 第三步：选择分析→比较均值→单因素ANOVA 第四步：在单因素方差分析对话框中，因变量列表处移入“血红蛋白”，因子处移入“组别”。 第五步：设置选项。 第六步：设置两两比较。 第七步：完成，解读结果 结果解读1 描述了4组分别的和总的均值、标准差、标准误、95%CI、最小、最大值。 结果解读2 进行了方差齐性检验，p=0.143，p0.05，表示方差齐。 结果解读3 总的组间差异比较，F=15.515，p=0.000，p0.01，表明组间差异有统计学意义。 结果解读4：组间两两比较结果 结果解读5 S-N-K检验结果将无统计学意义的比较组列在同一列中。即样本均数显示在同一列时，表示两组总体均数差别无统计学意义。 谢 谢！ * * 几何均数比较的直接计算公式： 数据转换 数据转换(data conversion)是将数据从一种表现形式变为另一种表现形式的过程，目的都是为了使数据符合统计检验方法的应用条件。常用的数据转换方法如下： 1.对数变换(Iogarithmic transformation)将原始数据变量 x 的对数值作为新的分析变量，适用于对数正态分布资料。常用于：①使服从对数正态分布的资料正态化。②使资料达到方差齐性要求，特别是各样本的变异系数比较接近时。③使曲线直线化。 X1=lg10(x) 2.平方根变换 将原始数据变量 x 的平方根作为新的分析变量。常用于：①轻度偏态资料正态化。②观察值服从Poisson分布的计数资料。当各样本的方差与均数呈正相关时，均数大，方差也大，用此变换可使资料达到方差齐的要求。 X1=SQRT(x) 3.平方根反正弦变换 X1=SQRT(Arsin(x)) 4.倒数变换 X1=1/x 【例6】某中医研究类风湿关节炎的治疗，62 例类风湿关节炎患者随机分组，分别采用中成药风湿寒痛片和西药治疗，测得患者血清 EBV-VCA-lgG抗体滴度结果见下表，比较两组疗效有无差别? SPSS软件操作 第一步：建立“抗体滴度的倒数”、“人数”、“组别”三个变量 第二步：将相关数据依次录入SPSS，形成16行3列的数据集。 第三步：数据转换：转换→计算变量。 目标变量：抗体滴度倒数对数； 数字表达式：LG10(抗体滴度倒数) 第四步：频数加权：数据→加权个案。 频率变量：人数 第五步：选择分析→比较均值→独立样本T检验 第六步：在独立样本T检验对话框中，检验变量处移入抗体滴度倒数对数。 第七步：定义组别。在组1和组2处输入1和2。 第八步：点确定后产生结果，结果解读。 结果解读1 N：组1、组2的样本例数分别为30、32例； 均值：组1、组2的均值分别为1.8730、1.9972； 标准差：组1、组2的标准差分别为0.56095、0.58451； 均值的标准误：组1、组2的标准误分别为0.10242、0.10333。 结果解读2 方差齐性检验 F=0.283，p=0.597，p0.05 t检验结果选第一行（假设方差相等） 结果解读3 t：统计量t=-0.852； Sig（双侧）：p值=0.397，p0.05； 均值差值：两个均数的差值=-0.12417； 差值的95%CI：-0.41558~0.16723。 t检验 样本均数与总体均数比较的t检验 配对设计资料比较的t检验 两独立样本均数比较的t检验 方差分析 完全随机设计的单因素方差分析 多个样本均数间的多重比较 方差分析的基本思想 方差分析的基本思想就是把全部观察值间的变异——总变异按设计和需要分解成两个组成部分，再作分析。 方差分析的基本思想 总 变 异 处 理 效 应 试 验 误 差 方差