研-统计9协方差分析.ppt

例1：在营养研究中，不考虑动物食量的差别，直接用方差分析来比较不同饲料组动物的平均增重，来评价不同饲料的营养价值是不恰当的。这是因为动物体重的增加，除了与食物的营养价值有关，还与各组动物的食量有关，而动物的食量多少又未加以控制。;解决办法：若用直线回归的方法找出食量与所增体重的关系，求得当食量都化为相等时（即扣除食量的影响），各饲料组动物所增体重的修正均数，然后再用方差分析检验各修正均数间有无差别，才比较合理。;;　　　表 不同食欲增进剂仔猪生长情况表 （单位：kg）;因为仔猪的初始重不同，将影响到猪的增重。经研发现：增重与初始重之间存在线性回归关系。但是，在实际试验中很难满足试验仔猪初始重相同这一要求。 这时可利用仔猪的初始重(记为x)与其增重(记为y)的回归关系， 将仔猪增重都矫正为初始重相同时的增重，于是初始重不同对仔猪增重的影响就消除了。经过这种矫正，试验误差将减小，对试验处理效应估计更为准确。若 y 的变异主要由x的不同造成(处理没有显著效应)，则各矫正后的 y’间将没有显著差异(但原y间的差异可能是显著的 ) 。;若 y 的变异除掉x不同的影响外， 尚存在不同处理的显著效应，则可期望各y’ 间将有显著差异 (但原y间差异可能是不显著的)。此外，矫正后的y’ 和原y的大小次序也常不一致。所以， 处理平均数的回归矫正和矫正平均数的显著性检验，能够提高试验的准确性和精确性，从而更真实地反映试验实际。; 协方差分析(analysis of covariance)：是把线性回归与方差分析结合起来，用于检验两个或多个修正均数间有无差别的方法，其目的是把与结果变量（因变量）Y呈直线关系的自变量X（协变量）化成相等后，检验两个或多个修正均数间有无差别。 它用于比较一个变量Y 在一个或几个因素不同水平上的差异，但Y在受这些因素影响的同时，还受到另一个变量X的影响，而且X变量的取值难以人为控制，不能作为方差分析中的一个因素处理。此时如果X与Y之间可以建立回归关系，则可用协方差分析的方法排除X对Y的影响，然后用方差分析的方法对各因素水平的影响作出统计推断。在协方差分析中，我们称Y为因变量，X为协变量。;协方差分析按设计不同分为：;应用协方差分析的条件;协方差分析的基本步骤;完全随机设计资料协方差分析;例1、研究镉作业工人暴露于烟尘的年数与肺活量的关系，按暴露年数将工人分为两组，甲组暴露?10年,乙组暴露?10年，两组年龄未经控制，问该两组暴露于镉作业的工人肺活量是否相同？;甲组年龄;分析步骤;分组的年龄与肺活量散点图;;计算各相关数据：;计算甲组(第一组)x,y的均数及x的离均差平方和;计算甲组(第一组)y以及x和y的离均差平方和积和;计算乙组(第二组)x和y的均数及x的离均差平方和;计算乙组(第二组) y以及x和y的离均差积和;计算两组合并的各相关数据：;将数据代入后，计算各合计的相关项：;计算合并的x,y的离均差平方和以及x与y的离均差积和;;计算合并的各离均差平方和及离均差积和：;协方差分析计算表;分别对两组的x与y的均数进行统计学检验，以便对协方差分析的结果作出较完善的解释，分析结果见下表：;检验xi,间及yi间差别的方差分析表;计算两组各自的直线回归方程和公共的回归方程;计算两组各自的直线回归方程和公共的回归方程;计算估计误差平方和;估计误差;为进一步了解研究各组所属总体回归线的坡度是否相同，以及回归线的高度是否相同，先检验各组的方差（估计误差的均方）差别有无统计学意义。;进一步发现两回归线的坡度差异有无统计学意义，即检验两回归线是否平行，如果F值无统计学意义，则可以认为两回归线是平行的。;进一步的分析只有在方差一致，回归线平行的条件下，才进行总体回归线高度的检验，回归线高度常用y的均数大小表示，所以在协方差分析中，以检验y的修正均数间的差异来代替检验回归线高度间的差别。;修正均数平方和：从总计平方和减公共平方和，即把与y值呈直线关系的x化为相等后的y均数间的平方和，相当于回归线高度方面的抽样误差，修正均数是否有统计学意义，可用修正均方除以公共均方，即为F值，根据F值判断有无统计学意义。;综上，两条回归线斜率差异无统计学意义，回归线高度也无统计学意义，因此，可以认为在对年龄进行了校正后，两种工人的平均肺活量没有差别。;例13-1 为研究某降血糖药物的有效性及其合用盐酸二甲双胍片的有效性，选择收治90名2型糖尿病患者，并采用随机对照试验，分为三个治疗组，第一组为该降糖药组，第二组为盐酸二甲双胍片组，第三组为该降糖药+盐酸二甲双胍片组，每组30名患者，治疗3个月，主要有效性指标为糖化血红蛋白。测得每个患者入组前（X）和3个月后（