[医药卫生]第4章方差分析.pptVIP

第四章 方差分析analysis of variance ANOVA 一.方差分析的基本思想 用途与应用条件： （1）独立性（independence） （2）正态性（normality） （3）方差齐性（ homogeneity） 二.完全随机设计的方差分析 ——单因素方差分析（one-way ANOVA) 完全随机设计=单因素设计=成组设计 （一）完全随机设计资料方差分析中变异的分解 （三）完全随机设计资料方差分析的步骤： 1. H0：μ1=μ2=……=μg H1：μ1、μ2、……μg不等或不全相等 α=0.05 2. 计算F值: (1)求基础数据 （2）求离均差平方和SS （3）求自由度 （4）列方差分析表 3. 确定P，作出统计推断结论 三.随机区组设计的方差分析 ——两因素方差分析（two-way ANOVA) 随机区组设计=配伍组设计=两因素设计(无重复观察) 五.多个样本均数的两两比较（多重比较） 多重比较不宜用前述的t检验。 LSD法 Dunnet法 q检验（SNK法） a的确定：将均数从大到小排列，并编上组次1，2，3，… 1与2比较时，a=2；1与3比较时，a=3；2与3比较时，a=2. 一. 概念 二. 用途 作多因素分析。 不仅可以分析每个因素的单独效应和主效应， 还可以考察因素之间的交互作用。 四.两因素析因设计方差分析变异的计算 五. 两因素析因设计资料方差分析F值的计算 例4-6 P.84 q检验（SNK法） 用于在设计阶段未预先考虑或未预料到，经数据结果的提示后，才决定的多个均数间的比较，常见于探索性研究。 2.每两两比较： （1）LSD法 （2）Dunnett 法 用于在设计阶段就根据研究目的或专业知识而决定的某些均数间的比较，常见于事先有明确假设的证实性实验研究。 1.共同对照组比较： α↑ 以ν=νe查t界值表，作出推断结论。 两两比较方法选择参照标准 存在明确对照组，即计划好的某两个或几个组间（和对照组）的比较——LSD法 需要进行多个均数间的两两比较，且各组人数相等——Tukey法 其它情况——Scheffe法（当各组例数不等，或要进行复杂的比较时，此法较稳妥，但相对比较保守。） 六.析因设计的方差分析 (factorial design) 析因设计的方差分析 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，而且可以检验因素间的交互作用。——完全交叉分组试验设计 优点：全面均衡、高效。 缺点：工作量大。实验组合数=每个因素水平数的乘积。如四因素三水平的实验组合数=34=81。 多因素多水平的实验可采用正交设计(非全面实验)。 例 A、B两药治疗12名贫血病人，性别、年龄一致，随机分成四组，治疗后一个月测得血中红细胞增加数结果如下表，A、B两药的治疗效果如何？两药是否存在交互效应？ 资料特点： 两个因素，两个水平，有重复数。 0.8 0.9 0.7 0.9 1.1 1.0 不用 1.3 1.2 1.1 2.1 2.2 2.0 用 不用 用 B药 A药 因子是指影响试验结果或观察指标的因素； 因素的不同状态为水平。 1.因子（因素factor）和水平(levels)： 2. 单独效应（simple effect)： 指其它因素固定在一个水平时，余下的一个因素不同水平之间均数的差别。 2. 单独效应（simple effect)： 指其它因素固定在一个水平时，余下的一个因素不同水平之间均数的差别。 例：用B药水平时，A药的单独效应——1.10 不用B药水平时，A药的单独效应——0.40 3. 主效应（main effect)： 指在某一因素各水平间的平均差别。与单独效应不同的是，它综合了其它因素各水平与该因素每一水平所有组合的情况。每个因子对观察指标的作用。有几个因子就应该有几个主效应。 3. 主效应（main effect)： 指在某一因素各水平间的平均差别。与单独效应不同的是，它综合了其它因素各水平与该因素每一水平所有组合的情况。每个因子对观察指标的作用。有几个因子就应该有几个主效应。 例：A因素的主效应：0.75。即A因素单独效应的平均值。 4. 交互效应（interaction)： 因素之间联合对观察指标产生的影响。当某因素的各单独效应随另一因素变化而变化时，则称这两个因素间存在交互效应。 4. 交互效应（interaction)：