单因素方差分析 非参数检验用 课件.pptVIP

仍以例1为例，LSD法的输出格式： 均数两两比较方法 结果分析 仍以例1为例，SNK法的输出格式： 结果分析 均数两两比较方法 该方法的目的是寻找同质子集，故各组在表格的纵向上，均数按大小排序，然后根据多重比较的结果将所有的组分为若干个子集，子集间有差别，子集内均数无差别。 例4-4 某研究者采用随机区组设计进行实验，比较三种抗癌药物对小白鼠肉瘤抑瘤效果，先将15只染有肉瘤小白鼠按体重大小配成5个区组，每个区组内3只小白鼠随机接受三种抗癌药物（具体分配结果见例4-3），以肉瘤的重量为指标，试验结果见表4-9。问三种不同的药物的抑瘤效果有无差别？ 表4-9 不同药物作用后小白鼠肉瘤重量（g） 区组 A药 B药 C药 1 0.82 0.65 0.51 2 0.73 0.54 0.23 3 0.43 0.34 0.28 4 0.41 0.21 0.31 5 0.68 0.43 0.24 随机区组设计的方差分析 随机区组设计的方差分析 单因素方差分析所针对的是多组均数间的比较，其基本思想是变异分解，即将总变异分解为组间变异和组内变异，再利用F分布做出有关的统计推断。 单因素方差分析要求资料满足正态性、独立性和方差齐性的条件。 方差分析拒绝H0只能说明各组之间存在差异，但不足以说明各组之间的关系。利用多重比较可以初步判断各组间的关系。 小 结 非参数检验 两个独立样本的非参数检验（等级资料） 多个独立样本的非参数检验（等级资料） 两个配对样本的非参数检验 多个相关样本的非参数检验 内容提要 非参数检验 参数统计方法往往假设统计总体的分布形态已知，但是在更多的实际场合，常常由于缺乏足够信息，无法合理地去假设一个总体具有某种分布形式，此时就不能使用相应的参数方法了。因此，应该放弃对总体分布参数的依赖，转而寻求更多的纯粹来自数据的信息，这就是非参数统计方法。 非参数检验 和参数方法相比， 非参数检验方法的优势如下 稳健性。 因为对总体分布的约束条件大大放宽，不至于因为对统计中的假设过分理想化而无法切合实际情况，从而对个别偏离较大的数据不至于太敏感。 对数据的测量尺度无约束，对数据的要求也不严格，什么数据类型都可以做。 适合于小样本、无分布样本、数据污染样本、混杂样本等。 非参数检验 例1 以下为治疗前后，病人某项指标的测量值，数据见npa.sav 治疗前（x）：24.00 16.70 21.60 23.70 37.50 31.40 14.90 37.30 17.90 15.50 29.00 19.90 治疗后（Y）：23.10 20.40 17.70 20.70 42.1 36.10 21.80 40.30 26.00 15.50 35.40 25.50 配对样本的非参数检验 配对样本的非参数检验 Wilcoxon符号检验 适用于连续变量 sign符号检验 适用于对无法用数字计量的情况进行比较，如两分类，对于 连续资料最好不要使用 McNemar 实际上就是常用的配对χ2检验，只适用于二分类资料 Marginal Homogeneity 是McNemar法向多分类情形下的扩展，适用于资料为有序 分类情况 配对样本的非参数检验 共12对指标，指标值治疗后小于治疗前的有3对，其平均秩次为2.83，总秩和为8.50；治疗后大于治疗前的有8对，其平均秩次为7.19，总秩和为57.50；治疗后等于治疗前的有1对。 分析结果 （1） 秩次表 配对样本的非参数检验 Wilcoxon符号秩检验的统计量Z值＝-2.179，近似概率（Asymp.sig.）P＝0.029，按α＝0.05的水准可以认为治疗前后该指标值的差别具有统计学意义。 分析结果 （2） 检验统计量 配对样本的非参数检验 例4 三批甘蓝叶样本分别在甲、乙、丙、丁四种条件下测量核黄素浓度，试验结果如下。问四种条件下的测量结果的差异是否具有统计学意义？数据见npd.sav： 多个相关样本的非参数检验 多个相关样本的非参数检验 Friedman：常用的多个配伍样本的非参数检验 Kendall’s W：可进一步给出一致性程度 Cochran’s Q：是两配对样本McNemar方法的推广， 只适合二分类变量 多个相关样本的非参数检验 分析结果 （1） 秩次表 经Friedman Test，近似概率（Asymp.sig.）P＝0.042，小于0.05，故拒绝原假设，认为四种条件下测量结果的差别具有统计学意义的。 （2） 检验统计量 多个相