[2018年最新整理]7-方差分析.pptVIP

医学统计学 在医学科学研究中，经常遇到要研究不同条件对实验结果的影响，这时，往往不只两个均数需要比较，而是两个以上或多个同时比较，这就需要 在t检验的基础上加以扩充，称为方差分析（Analysis of variance）。 例子 A，B两种治疗方法是否影响皮疹治愈时间 现有的差异有两种可能 （1）个体变异，有抽样误差引起 （2）药物的作用引起（处理因素） 3. 设?1为A治疗方法的平均治愈时间，?2为B治疗方法的平均治愈时间，?3为安慰剂治疗方法的平均治愈时间。 也就是检验下面的假设： H0: ?1 ? ?2 ? ?3 H1: ?1, ?2，?3不全相等 4. 检验上述假设所采用的方法就是方差分析 方差分析的基本思想和原理 方差分析的基本思想和原理 方差分析的基本思想和原理 组内方差 因素的同一水平(同一个总体)下样本数据的方差 比如，治疗组A不同病人治愈天数的方差 组内方差只包含随机误差 组间方差 因素的不同水平(不同总体)下各样本之间的方差 比如，治疗方案A、B和安慰剂治愈天数之间的方差 组间方差既包括随机误差（个体差异），也包括处理因素不同引起差异 方差分析的基本思想和原理 1. 比较两类误差，以检验均值是否相等 2. 比较的基础是方差比 3. 如果处理误差显著地不同于随机误差，则两组均方值就是不相等的；反之，均方就是相等的 方差分析的基本思想和原理 如果不同治疗方法的治疗效果没有区别，那么在组间方差中只包含有随机误差，而没有处理或因素引起误差。这时，组间方差与组内方差就应该很接近，两个方差的比值就会接近1 如果不同的水平对结果有影响，在组间方差中除了包含随机误差外，还会包含有由于处理不同而差生误差，这时组间方差就会大于组内方差，组间方差与组内方差的比值就会大于1 当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异 方差分析的基本思想和原理 组间变异 组间均方 MS（间） 组内变异 组内均方 MS（内） S2：个体差异离散程度 Tr: 不同处理方法造成的离散程度 Tr+S12 S22 如果 处理方法有明显不同 那么 Tr＞0, F=(0+S2)/S2＞1 用F 值的大小，来检验处理有无作用。 经过F检验，求出F值，查F值表，得出相应的概率（P值），以此大小判断差异的显著性。 F值有一定的波动范围，其分布与组间和组内的自由度有关。 用F0.05（V1,V2）、F0.01(V1,V2)作为显著界限来判断。 当F＜ F.0.05（V1,V2），P＞0.05 不能否定检验假设，而认为各组间处理方法的差异无显著性； 当F≥ F.0.05（V1,V2），P ≤0.05 认为各组处理间的差异有显著性； 当F≥ F0.01(V1,V2)， P≤0.01 认为各组处理间差异有极显著性； F分布的特点 F分布随v1,v2而变动 理论分布F值从0-∞，平均数为1 F分布不对称 完全随机设计资料的方差分析 （单向方差分析 one-way ANOVA) 单因素方差分析的数据结构 例：测定正常人与各期矽肺病人血清粘蛋白含量的比较有无差别 第二步 计算统计量 F值 a. 计算总离均差平方和 公式： b. 计算组间离均差方和 c 计算组间离均差方和 d 计算自由度 总的自由度 V总= N-1 组间自由度 V组间= k-1 (k为组数） 组内自由度 V组内=N-k e 计算均方 组间和组内离均差平方和除以相应的自由度，就得到“组间均方”和“组内均方” f 计算 F值 F值即组间均方与组内均方的比值 统计决策 将统计量的值F与给定的显著性水平?的临界值F?进行比较，作出接受或拒绝原假设H0的决策 根据给定的显著性水平?，在F分布表中查找与第一自由度df1＝k-1、第二自由度df2=n-k 相应的临界值 F? 若FF? ，则拒绝原假设H0 ，表明均值之间的差异是显著的，所检验的因素(A)对观察值有显著影响 若F?F? ，则不能拒绝原假设H0 ，表明所检验的因素(A)对观察值没有显著影响 均数两两比较的特点和意义 1。当分析结果为P≤α，拒绝H0时，得出的结论只是指各总体均数不全相等。如果想要确切了解哪两个样本均数之间的差异有统计学意义（总体均数不等），哪两个样本均数之间的差异无统计学意义（总体均数相等），可以进行多个样本均数的两