ch5方差的分析.pptVIP

三种不同的变异 F 值与F分布 方差分析的基本思想 方差分析的应用条件 单因素方差分析实例 方差分析的步骤 计算F值（方差分析表） 下结论 为什么一般t检验作多重比较是错误的？ 为什么一般t检验作多重比较是错误的？ 一、LSD－t检验 二、Duncan法 三、SNK－q检验 各种检验的显著尺度 Bartlett χ2值为： Levene检验法 资料不能直接进行方差分析，应考虑采用非参数方法分析或进行适当数据转换后再作方差分析。 几种常用的数据转换方法。 1、平方根转换 (square root transformation) 此法适用于各组均方与其平均数之间有某种比例关系的资料，尤其适用于总体呈泊松分布的资料。转换的方法是求出原数据的平方根 。若原观测值中有为0的数或多数观测值小于10，则把原数据变换成 。对于稳定均方，使方差符合同质性的作用更加明显。变换也有利于满足效应可加性和正态性的要求。 2、对数转换 (logarithmic transformation) 如果各组数据的标准差或全距与其平均数大体成比例，或者效应为相乘性或非相加性，则将原数据变换为对数(lgx或lnx)后，可以使方差变成比较一致而且使效应由相乘性变成相加性。 如果原数据包括有0，可以采用lg(x+1)变换的方法。 一般而言，对数转换对于削弱大变数的作用要比平方根转换更强。例 如 变 数 1、10、100作平方根转换是1、3.16、10，作对数转换则是0、1、2。 3、 反 正 弦 转 换 (arcsine transformation ) 反正弦转换也称角度转换。此法适用于如发病率、 感染率、病死率、受胎率等服从二项分布的资料。转换的方法是求出每个原数据(用百分数或小数表示)的反正弦 ， 转换后的数值是以度为单位的角度。 二项分布的特点是其方差与平均数有着函数关系。这种关系表现在，当平均数接近极端值(即接近 于0和100% )时，方差趋向于较小； 而 平均数处于中间数值附 近 ( 50%左右) 时，方差趋向于较大 。把数据变成角度以后，接近于0和100%的数值变异程度变大，因此使方差较为增大，这样有利于满足方差同质性的要求。 在对转换后的数据进行方差分析时，若经检验差异显著，则进行平均数的多重比较应用转换后的数据进行计算。但在解释分析最终结果时，应还原为原来的数值。 练习3：今欲研究胸腺增生病人中增生情况与titin值的关系，共调查了141名病人，变量class表示胸腺增生的等级（共分5级）。问5个等级间titin的均数有无差别？并找出titin随增生级别提高的变化趋势(titin.SAV)。 均数间的多重比较（S-N-K） 轻度组与正常组之间CD8含量有显著性差异（F＝23.968，df=1, 25, P=0.000083)，轻度组与重度组之间CD8含量没有显著性差异（F＝23.968，df=1, 25, P=0.060)。 均数间的多重比较（LSD） 不同组别1.5AC水平是否有差异？ 如果只比较正常组与其它组的总体水平，怎样设置呢？ 练习2： 设置不同的比较方法 系数总和为0。 只比较正常组与其它组的总体水平，均数仍有差异 三组数据不正态 第一组数据的Q-Q图 Transform → compute → Logtitin=LG10(titin) Linear: Y=b0+b1X Quadratic: Y=b0+b1X+b2X2 Cubic: Y=b0+b1X+b2X2+b3X3 4th: …. 当比较次数不多时，Bonferroni法的效果较好。 但当比较次数较多(例如在10次以上)时，则由于其检验水准选择得过低，结论偏于保守。 Bonferroni法的适用性 较常用的两两比较方法是：LSD法、Duncan法和S-N-K法。 当处理数k≥3时，三种检验的显著尺度关系为： LSD法≤Duncan法≤ S-N-K法 用LSD法检验显著的差数，用Duncan法或 S-N-K法检验则未必显著； 用S-N-K法检验显著的差数，用LSD法检验则必然显著。 一、方差分析的假定条件 1.各处理组样本来自随机、独立的正态总体(D法、W法、卡方检验)； 2.各处理组样本的总体方差相等（不等会增加I型错误的概率，影响方差分析结果的判断） 方差分析的假定条件和数据转换 为什么各样本要来自正态总体？ 为什么各处理组总体方差要相等？ 二、方差齐性检验 1. Bartlett检验法 2. Levene等 3. 最大方差与最小方差之