第01讲多元方差分析.pptVIP

第1讲 多元方差分析 主要内容 多元分析数据格式 多元分析常用统计量 多元正态分布的性质简介 多元 T 检验 多元方差分析 1 多元分析的计算机数据格式(例1.1) 表1.1 12名中学生的身高、体重、胸围测量资料 2 多元分析常用统计量 均向量 方差、协方差矩阵 离均差平方和与离均差积和矩阵 相关系数矩阵 均向量 均向量(means vector) 行向量 均向量的转置 方差-协方差矩阵 方差-协方差矩阵(variance-covariance matrix) 简称为协方差阵(covariance matrix) 离差阵 离差阵 离均差平方和与离均差积和矩阵 sum of squares and cross-products matrix, SSCP 离差阵、协方差阵 相关系数矩阵 correlation coefficients matrix 离差和－离差积和－相关系数矩阵 方差协方差－相关系数矩阵 3 多元正态分布的性质 二元正态分布曲面(?11=1,?22=1,?12=0) 二元正态分布曲面(?11=2,?22=4,?12=0.75) 二元正态分布曲面(?11=2,?22=4,?12=－0.75) 二元正态分布曲面(?11=2,?22=4,?12=0.75) 二元正态分布曲面剖面(?11=1,?22=1/2,?12=－0.75) m元正态分布的性质 每一个变量均服从正态分布。 变量的线性组合服从正态分布。 m 元正态分布中的任意 k (0km)个变量服从 k 元正态分布。 m元正态分布的条件分布仍服从正态分布。 协方差为0的变量间相互独立。 二元正态相关变量的参考值范围 4 多元T检验 4.1 配对设计 4.2 成组设计 例2.1 胸腺素治疗前后免疫球蛋白测定值 例2.1资料的单因素分析(配对t检验)结果 4.1 多元配对T检验 检验假设 检验统计量 多元配对 T 检验与配对 t 检验 Hotelling T 2 的分布 例2.1资料的分析结果 T 2 = 47.6559， F = 13.6160，P = 0.00036。 故可以认为治疗后免疫球蛋白下降。 例2.2两组贫血患者的血红蛋白浓度(%,X1)及红细胞计数(万/mm3,X2) 4.2 多元 T 检验 检验假设 或 2.1.2 多元T检验 检验统计量 多元 T 检验与 t 检验 Hotelling T 2 的分布 例2.2两组贫血患者的血红蛋白浓度(%,X1)及红细胞计数(万/mm3,X2) 例2.2(续) 例2.2(续) P = 0.0030。 多元分析是单变量分析的扩展 对单变量(一元)资料 配对 t 检验是配对 T 检验的特例； t 检验是 T 检验的特例。 5 多元方差分析 5.1 成组设计 5.2 区组设计 5.3 析因设计 5.2 多元方差分析 Multivariate analysis of variance, MANOVA 一元方差分析的基本思想： 对方差(离均差平方和)的分解 多元方差分析的基本思想： 对方差-协方差(离均差平方和-离均差积和)的分解。 例2.3 三组贫血患者的血红蛋白浓度(%,X1)及红细胞计数(万/mm3,X2) 例2.3(续) 三组的均向量和离差矩阵 例2.3(续) 三组的离差矩阵之和(组内变异) 总离差矩阵 组间离差矩阵 检验假设 多元方差分析表 Wilks统计量? 组内变异在总变异中的比例。 例2.3的计算 m=2, g=3: v1=2×m=4，v2=2×(30-2-2)=52 P=0.001161. Mahalanobis距离(统计距离) 两个样本均数向量相差多远？ 三个样本间的Mahalanobis距离 Mahalanobis Dij2与F分布的关系 两两比较 v1=2, v2=26, P=0.0017 v1=2, v2=26, P=0.0507 v1=2, v2=26, P=0.0188 例2.4 10名患者疗前、溶后10、20分钟的收缩压和舒张压 区组设计的SSCP矩阵及自由度分解表 区组设计的SSCP矩阵及自由度的分解 区组设计的Wilks统计量 个体间的比较 处理间的比较 例2.5 不同饲料喂养大白鼠18天后体内Zn含量 析因设计的SSCP矩阵及自由度分解表 SSCP矩阵的计算 交互作用SSCP矩阵及误差矩阵的计算 Wilks统计量及 F 检验 多元析因方差分析结果 2.4 多元方差分析的正确应用 基本思想 对SSCP矩阵的分解 特点 全面性 与一元分析相辅相成 应用条件 独立性 正态性