医学统计——方差分析的基础教案.pptVIP

变量转换是通过数学函数将原数据转换成新数据。其目的是：① 改善方差齐性；② 使得转换后的资料接近正态分布；③ 使得曲线关系直线化。 经过转换的数据有可能满足方差分析、t检验或直线相关等统计学方法的应用条件。 常用的数据转换方法有： 表9.17 例9.6资料方差分析表 如果交互作用无统计学意义，可直接采用表9.17对A、B两因素的假设检验结果。 重复测量资料的方差分析 重复测量(repeated measure)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，用于分析该观察指标在不同时间上的变化规律。 这类资料在临床和流行病学研究中比较常见，例如，药效研究中常常要观察给药后不同时间点的血药浓度。 其主要特点是同一受试对象在不同时点的观察值之间彼此不独立，往往存在某种程度上的相关性。 因此，这类资料的方差分析具有一定的特殊性。 例9.7 临床上为指导脑梗患者的治疗和预后，某研究人员对不同类型脑梗患者酸性磷脂(AP)在不同时间点的变化，进行了如下观察：随机选取三种不同类型的脑梗(TIA、脑血栓形成、腔隙性脑梗塞)患者各8例，分别于脑梗发生的第24小时、48小时、72小时、7天分别采血，测量血中AP的值，结果见表9.18。 表9.18 不同类型脑梗患者AP的值(μmol/L) 表9.19 重复测量设计方差分析的计算表 表9.11 失眠患者睡眠时间增加量(h) 2. 计算检验统计量 表9.13 表9.11资料的方差分析表 析因设计的方差分析 析因设计(factorial design) 中最简单的是两因素方差分析。 此时观察两个因素(分别记为A与B)，每个因素两个水平，共有2×2=4种不同的因素水平组合。 在临床研究中，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现象的质和量也随之改变。 例如，当同时研究两种试验因素(如两种药物)的效果，每种因素又有两个水平(如用药和不用药)时，某种药物的水平变化有可能使另一种药物的水平也随之发生变化，此时析因设计(factorial design)是一种十分有用的设计。 它不仅可以检验两因素各水平之间的差异有无统计学意义，而且可以检验两因素间的交互作用。 若两因素间存在交互作用，甲因素的水平改变时，乙因素的效应也相应有所改变；若无交互作用，两者是相互独立的。 析因设计的优点还在于可以节约样本含量，若将两种药物分别进行随机对照试验，析因设计将节约样本含量的1/2，若用两种药物相互对比的设计，可节约1/3的样本含量。 例9.6 为研究某降血糖药物对糖尿病及正常大鼠心肌磺脲类药物受体 SUR1 的 mRNA 的影响，某研究者进行了如下实验：将24只大鼠随机等分成4组：两组正常大鼠，另两组制成糖尿病模型，糖尿病模型的两组分别进行给药物和不给药物处理，剩余两组正常大鼠也分别进行给药物和不给药物处理，测得各组mRNA吸光度的值(%)结果见表9.14。 表9.14 4种不同处理情况下吸光度的值(%) 单独效应、主效应和交互效应 表9.15 例9.6资料吸光度均数的差别 AB两因素的交互效应的计算公式为： 例9.6中 20 25 30 35 40 45 50 55 糖尿病大鼠() 用药() 不用药() 图9.1 2×2析因设计交互作用示意图 表9.16 2×2析因设计方差分析计算表 2. 计算检验统计量 表9.6 例9.2资料的方差分析表 多个样本均数间的多重比较 方差分析的结果提供了各组均数间差别的总的信息，但尚未提供各组间差别的具体信息，即尚未指出哪几个组均数之间的差别具有或不具有统计学意义。 为得到这方面的信息，可进行多个样本均数间的两两比较，它又称为样本均数间的多重比较(multiple comparison)。 在检验多组均数差别的无效假设Ｈ0时，常见的有以下两种情况： 检验某几个特定的总体均数是否相等，其无效假设称为部分无效假设，即部分组所对应的总体均数相等，Ｈ0：?i=?j(i?j)。 例如，研究者对实验结果有一个大致设想，在设计阶段就根据研究目的或专业知识决定了某些均数间的两两比较，此即设计安排的比较，常见于事先有明确假设的证实性实验研究。 例如多个处理组与对照组的比较，处理后不同时间与处理前的比较以及某几个特定的处理组间的比较等。 2. 检验全部k个总体均数是否相等，其无效假设称为完全无效假设，即所有各组所对应的总体均数都相等， Ｈ0：?1=?2＝…＝?k。 例