[医学]9多因素试验的方差分析09.pptVIP

多因素试验的方差分析 方差分析有关术语 单独效应（simple effect） 指其它因素的水平数固定时，同一因素不同水平间的差别。 方差分析有关术语 主效应（main effect） 指某一因素各水平间平均差别。 方差分析有关术语 交互作用（interacting effect） 在研究中，许多试验因素之间往往是相互联系、相互制约的，有时当一种因素的质和量改变时，另一种的因素质和量也随之改变。即存在协同作用或拮抗作用问题，在统计学上则称之为交互作用。 交互作用的阶数（级数） 注 意 若存在交互作用，在统计分析时须逐一分析各因素的单独效应。 如不存在交互作用，说明两因素的作用效果是相互独立的，逐一分析各因素的主效应即可。 两因素析因设计不同模型的F检验统计量 正交试验设计的方差分析 　正交试验设计是利用一套规格化的正交表，将个试验因素、各水平之间的组合进行均匀搭配，合理安排，是一种高效的、多因素试验设计方法。 　　适用情况： 当实验涉及的因素或效应在三个或三个以上，而且因素间可能存在交互作用时。 正交设计与析因设计的区别 析因设计：是各因素各水平全面组合的设计。 正交设计：是各因素各水平部分组合的设计。 正交设计能成倍减少试验次数，但是以牺牲部分因素间交互作用为代价。 随机效应模型 例6.7 某医科大学为研究退休老人身心健康与家庭因素的关系，从所在城市的8家较大的医院中随机抽取3家医院，同时随机抽取8种职业中的2种，获得有关数据进行分析。 混合型两因素析因设计模型 例6.9 为推断全国6~7岁男性儿童的身长发育是否平衡，从所有省（市、自治区）中随机抽取3个省，每个省又分为城市和农村两类地区，各抽取12例数据，试分析6~7岁男性儿童的身长与地区和省份的关系。 2、选) L8(27 )正交表，空列作为误差的来源。 列 号 1 2 3 4 5 6 7 因素或效应 A B AB （二）正交试验的基本步骤： 1、确立观察指标。数据应为能满足方差分析要求的计量指标。 2、拟定因子和水平。最好水平数相同，一般取2水平。 3、作表头设计。要选用合适的正交表，避免效应混杂，用空列或作重复试验以获得误差的估计。一般只考虑一级交互作用。 4、对数据作方差分析。 （三）两水平正交设计实例 1、作表头设计：选L16(215)正交表 因素及效应：A 、B、C、D、E、F、G、H、AC、AD、BD、CD A B C AC H D AD BD E CD F G H0: 各因素的作用及有关交互作用都不存在 H1:各因素的作用及有关交互作用存在 ? = 0.05 SS总= SSA+SSB+SSC+SSD+SSE+SSF+SSG+SSH+ SSAC+SSAD+SSBD+SSCD+SS误差 FA = MSA/MS误差 FB = MSB/MS误差 ………… FCD = MSCD/MS误差 结果：A、B、E、G 及 AC、BD、CD有意义。 分析AC、BD 和 CD 的交互作用： 胆汁滴数增量越大越好，可见A2C2、B2D2、C2D2组合较好。 综上所述，茵陈胆道汤A：金钱草 B：大黄 C：木香 D：黄芩 E：茵 陈 G：栀子 有利胆作用。 多变量方差分析 常用的数据转换方法： 1、对数转换： Y = lgX 或 lnX 当原始数据为小值及零时，亦可取 lg（X+1），还可根据需要选用Y = lg（X+k）或 lg（k-X）。 一般用于下列情况： （1）原始数据呈对数正态分布时（如等比级数资料），转换后可使数据呈正态分布。 （2）标准差与均数成比例时（或CV值比较接近时），可使数据方差齐性。 （3）使曲线直线化。如指数曲线直线化。 2、平方根转换： 用于Poisson分布资料的正态化。 3、倒数转换： 常用于数据两端波动较大的资料，可使极端值影响减小。 4、平方根反正弦转换： 服从二项分布，P 30%或 70%时，使资料呈正态分布、方差齐性。 THE END 因素及效应： A 、B、C、D、E、F、G、AC、AD、BD、CD * * 多因素试验的方差分析 析因设计资料的方差分析 正交设计资料的方差分析 多变量方差分析 常用的数据转换方法 是将两个或多个因素的各个水平进行排列组合，交叉分组进行试验，检验各因素各水平之间的差异有无统计学意义，而且可以检验因