ch6多因素方差分析.pptVIP

第一节 双向方差分析 二、配伍组设计的协方差 配伍组设计是配对设计的扩大，在研究中是将受试者按随机区组设计分成多个区组，再将每个区组的受试者随机分配到各组（即研究因素），对那些在研究中未加限制的因素或基线作为协变量。 根据方差分析的原理，即总的离均差平方和可以分成处理组间（研究因素间）、区组间（受试者间）和误差（组内）三部分。研究的结果变量Y可能受处理因素（试验因素）的影响，可能还受协变量和区组的影响，因此，须将协变量和区组这两方面的影响扣除，才能分析各处理（各因素）对结果的作用。 例：采用动物实验研究核黄素缺乏对蛋白质利用的影响，将体重相近，出生3周的大白鼠36只，来自12窝，每窝3只，随机分配到3个不同饲料组进行喂养，在考虑进食量（x1）的情况下，测验不同饲料对大白鼠所增体重（y1）有无影响？ 核黄素缺乏对蛋白质利用的影响 配伍组设计协方差分析 配伍组设计协方差分析 配伍组设计协方差分析 配伍组设计协方差分析 三、多元协方差分析 若试验中影响结果变量的因素不止一个而是多个（两个或两个以上）协变量，这就需要将多个因素（协变量）都化为相等，然后再比较分析修正均数（结果变量）间的差别，这些因素与修正变量呈线性相关，因此可以用多元协方差分析。 多元协方差分析 多元协方差分析 多元协方差分析 多元协方差分析 多元协方差分析 多元协方差分析 练习2 研究镉作业工人暴露于烟尘的年数与肺活量的关系，按暴露年数将工人分为两组，甲组暴露?10年,乙组暴露?10年，两组年龄未经控制，问该两组暴露于镉作业的工人肺活量是否相同(烟尘的年数与肺活量的关系.sav)？ 协方差分析手工计算数据格式 分组的年龄与肺活量散点图 不考虑年龄的影响 考虑年龄的影响 有兴趣的同学练习一下前面配伍组设计协方差分析和多元协方差分析的例子。 Transform → compute adjchol = chol - 0.09432*(age - 50.23) 统计控制是试验控制的一种辅助手段。经过这种矫正，试验误差将减小，对试验处理效应估计更为准确。 若y的变异主要由x的不同造成（处理没有显著效应），则各矫正后的y’间将没有显著差异（但原y间的差异可能是显著的）。 若y的变异除掉x不同的影响外，尚存在不同处理的显著效应，则可期望各y’间将有显著差异（但原y间差异可能是不显著的）。 此外，矫正后的y’和原y的大小次序也常不一致。所以，处理平均数的回归矫正和矫正平均数的显著性检验，能够提高试验的准确性和精确性，从而更真实地反映试验实际。 该数据也可以用二分变量Logistic回归分析完成，但不能得到修正均数。 不同组间的总体回归系数不相等时，只能用Logistic回归分析。 核黄素缺乏组 限食量组 不限食量组 x1 y1 g c x2 y2 g c x3 y3 g c 256.9 27.0 1 1 260.3 32.0 2 1 544.7 160.3 3 1 271.6 41.7 1 2 271.1 47.7 2 2 481.2 96.1 3 2 210.2 25.0 1 3 214.7 36.7 2 3 418.9 114.6 3 3 300.1 52.0 1 4 300.1 65.0 2 4 556.6 134.8 3 4 262.2 14.5 1 5 269.7 39.0 2 5 394.5 76.3 3 5 304.4 48.8 1 6 307.5 37.9 2 6 426.6 72.8 3 6 272.4 48.0 1 7 278.9 51.5 2 7 416.1 99.4 3 7 248.2 9.5 1 8 256.2 26.7 2 8 549.9 133.7 3 8 242.8 37.0 1 9 240.8 41.0 2 9 580.5 147.0 3 9 342.9 56.5 1 10 340.7 61.3 2 10 608.3 165.8 3 10 356.9 76.0 1 11 356.3 102.1 2 11 559.6 169.8 3 11 198.2 9.2 1 12 199.2 8.1 2 12 371.9 54.3 3 12 配伍组 多元协方差分析与一元协方差分析在本质上是相同的，只是定量的影响因素的个数大于等于２而已。  下面是30名婴幼儿身高X1(cm)、 体重X2(kg)及体表面积Y