方差分析(一)14-9研.pptVIP

* 第四章 多个样本均数比较的方 差 分 析(analysis of variance, ANOVA) 表4-3 4个处理组低密度脂蛋白测量值（mmol/L） 安慰剂组 降血脂新药 2.4g组 4.8g组 7.2g组 3.53 2.42 2.86 0.89 4.59 3.36 2.28 1.06 4.34 4.32 2.39 1.08 2.66 2.34 2.28 1.27 … … … … 2.59 2.31 1.68 3.71 均数 3.43 2.72 2.70 1.97 n 30 30 30 30 如有4个样本均数，两两组合数为6，若用t检验作6次比较，且每次比较的检验水准为0.05，则每次比较不犯Ⅰ类错误的概率为(1-0.05)=0.95,6次均不犯Ⅰ类错误的概率为0.956，这时总的检验水准为1-0.956=0.26,比0.05大多了，因此多重比较不能用两样本均数比较的t检验 第一节 方差分析的基本思想及其应用条件 方差分析(analysis of variance, ANOVA)： 由英国统计学家R.A.Fisher首创，为纪念Fisher，以F命名，故方差分析又称F检验 （F test）。 表4-3 4个处理组低密度脂蛋白测量值（mmol/L） 安慰剂组 降血脂新药 2.4g组 4.8g组 7.2g组 3.53 2.42 2.86 0.89 4.59 3.36 2.28 1.06 4.34 4.32 2.39 1.08 2.66 2.34 2.28 1.27 … … … … 2.59 2.31 1.68 3.71 均数 3.43 2.72 2.70 1.97 n 30 30 30 30 120个数据各不相同——总变异 1．总变异 反映所有测量值之间总的变异程度。大小用离均差平方和(sum of squares of deviations from mean，SS)表示，即各测量值与总均数差值的平方和 表4-3 4个处理组低密度脂蛋白测量值（mmol/L） 安慰剂组 降血脂新药 2.4g组 4.8g组 7.2g组 3.53 2.42 2.86 0.89 4.59 3.36 2.28 1.06 4.34 4.32 2.39 1.08 2.66 2.34 2.28 1.27 … … … … 2.59 2.31 1.68 3.71 均数 3.43 2.72 2.70 1.97 n 30 30 30 30 同组内数据各不相同 ——组内变异 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，称为组内变异（误差）。组内变异用组内各测量值与其所在组的均数的差值的平方和表示，表示随机误差的影响。 表示：随机误差的影响 可以证明： ＝ ＋ 数据 变异的原因可用下列模型表示 SS总= SS组间+SS组内 = SS处理因素+误差+SS误差 组间变异 总变异 组内变异 理论上，如果处理因素无作用， F ＝１或在1左右波动。 如果F １，或FF?，P?，说明处理因素有统计学意义。 F统计量服从F分布，有两个自由度，即两个均方相应的自由度。 F界值表：P698-705 方差计算表 所以 P0.01，按a=0.05水准，拒绝H0，接受H1，可认为4个总体均数不同或不全相同。 方差分析的基本思想 根据研究目的和设计类型，将全部观察值总的离均差平方和（总变异）和自由度分解为若干部分，然后求得各相应部分的变异，其中组内变异主要反应个体差异或抽样误差，其余各部分的变异（可由某个因素的作用加以解释）与之比较，通过比较不同来源变异的均方（MS），借助F分布做出统计推断，从而了解该因素对观察指标有无影响。 方差分析的应用条件： 1、独立性：各样本为相互独立的随机样本 2、正态性：各样本来自正态或接近正态的总体 3、方差齐性：各样本所来自的总体方差相等 方差分析的应用： 1、2个或多个样本均数间的比较 2、分析2个或多个因素间的交互作用 3、回归方程的线性假设检验 4、多元线性回归分析中偏回归系数的假设检验 5、两样本的方差齐性检验 完全随机设计(completely random design)：采用完全随机化的分组方法，将全部研究对象随机分配到各组，每组分别接受不同的处理，研究结束后比较各组均数之间的差别有无统计学意义，推断各种处理因素的效应。 分析方法：单因素方差分析 (one-factor ANOVA) 第二节 完全随机设计资料的方差分析 随机化分组方法： （单因素）