SAS软件应用之方差分析PPT.ppt

拉丁方设计资料的方差分析 在此之前介绍的各种试验设计方法，严格地说，它们仅适用于只有1个试验(或处理)因素的试验问题之中，其他因素都属于区组因数,即与试验因素无交互作用。如果试验所涉及的处理因素的个数≥2，当各因素在试验中所处的地位基本平等，而且因素之间存在1级(即2因素之间)、2级(即3因素之间)乃至更复杂的交互作用时，需选用析因设计。本节介绍以析因试验为主要内容的多因素试验的方差分析方法。 正交试验设计资料的方差分析 析因设计的缺点是当因素个数较多时（三个因素以上），所需实验单位数、处理组数、实验次数和方差分析的计算量剧增。减少多因素实验次数的有效方法是采用正交设计。 当析因设计要求的实验次数太多时，一个非常自然的想法就是从析因设计的水平组合中，选择一部分有代表性水平组合进行试验。因此就出现了分式析因设计，但是对于试验设计知识较少的实际工作者来说，选择适当的分式析因设计还是比较困难的。 正交试验设计资料的方差分析 正交试验设计是研究多因素多水平的又一种设计方法，它是根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些有代表性的点具备了“均匀分散，齐整可比”的特点，正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格，称为正交表。例如作一个三因素三水平的实验，按全面实验要求，须进行33=27种组合的实验，且尚未考虑每一组合的重复数。若按L9(3)3正交表安排实验，只需作9次，按L18(3)7正交表进行18次实验，显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。 重复测量资料的方差分析 重复测量是指对同一观察对象的同一观察指标在不同时间点上进行多次测量，用于分析观察指标在不同时间上的变化规律。这类测量资料在医学研究中比较常见。例如，药效分析中常分析给药后不同时间的疗效比较。在实际工作中，重复测量资料常被误作配对设计或随机单位组设计进行分析，不仅损失了重复测量数据所蕴含的信息，还容易得出错误的结论。由于同一受试对象在不同时点的观测值之间往往彼此不独立，存在某种程度的相关，因此不能满足常规统计方法所要求的独立性假定，使得其分析方法有别于一般的统计分析方法。本节通过实例分析,就医学研究中重复测量资料的方差分析方法进行探讨，并提供了SAS程序解决方案。 重复测量资料的方差分析 重复测量设计大体有两类。一类是对每个人在同一时间不同因子组合间测量；另外一类是对每个人在不同时间点上重复。前者常见于裂区设计，而后者常见于经典试验设计即包括前测，处理一次或几次后测的情况。 后者比前者要多见。不论沿裂区方向还是沿时间点重复，个体内因子无一例外的都是重复测量因子。重复测量设计的特点是一定有个体内因子但不一定有个体间因子。后者是不同处理组合或不同个体组。而且即使有不同组群（例如男性和女性）但人人都经历重复测量而不是一组接受重复测量另一组不接受。 重复测量资料的方差分析 具有重复测量的设计，即在给予某种处理后，在几个不同的时间点上从同1个受试对象(或样品)身上重复获得指标的观测值；有时是从同1个个体的不同部位(或组织)上重复获得指标的观测值。由于这种设计符合许多医学试验本身的特点，故在医学科研中应用的频率相当高。如果试验中共有K个试验因素，其中只有M个因素与重复测量有关，则称为具有M个重复测量的K因素设计。 重复测量资料的方差分析 在对重复测量资料进行方差分析时，除要求样本是随机的，在处理的同一水平上观测是独立的，及每一水平的测定值都来自正态总体外，特别强调协方差的复合对称性或球形性。因此，在进行重复测量资料的方差分析前，应先对资料的协方差阵进行球形性检验。若满足球形性要求，则直接进行方差分析；不满足球形性要求时，需对与时间有关的F统计量分子、分母的自由度进行校正, 以减少犯I类错误的概率，或直接进行多变量方差分析。 重复测量资料的方差分析 对重复测量实验数据的方差分析需考虑两个因素的影响，一个因素是处理分组，可通过施加干预和随机分组来实现；另一个因素是测量时间，由研究者根据专业知识和要求确定。因此，重复测量资料的变异可分解为处理因素、时间因素、处理和时间的交互作用、受试对象间的随机误差和重复测量的随机误差5部分。 重复测量资料的方差分析 重复测量设计优点是：每一个体作为自身的对照，克服了个体间的变异。分析时可更好地集中于处理效应, 同时被试者间自身差异的问题不再存在。也就是减少了一个差异来源。重复测量设计的每一个体作为自身的对照，研究所需的个体相对较少，因此更加经济。 重复测量设计缺点是：滞留效应，前面的处理效应有可能滞留到下一次的处理；潜隐效应，前面的处理效应有可能激活原本以前不活跃的效应；学习效应，由于逐步熟悉实验，研究