协方差分析讲课ppt课件.pptVIP

第十章 协方差分析;主要内容;方差分析原理;回归分析原理;回顾;回顾;协方差分析的基本思想;协方差分析的基本思想; 20名男性篮球运动员和20名大学生的肺活量（cm3）比较 ; 在科研中，实验效应除了受到处理因素的作用外，尚受到许多非处理因素的影响。如在研究临床疗效时，疗效的好坏不仅与治疗措施有关，还受病人的年龄、性别、病情、心理、环境、社会等因素的影响。;药物临床疗效研究;各组间的效应进行比较，必须保持组间的影响因素（混杂因素的比例）相同，组间才具有可比性。;常见的实例;在分析阶段控制混杂因素的方法： 1、采用分层分析：如把年龄分组，再比较同一年龄组的正常体重与超重组有无差别。（适用：计量、计数资料） 2、协方差分析（适用：计量资料） 3、多因素分析（适用：计量、计数资料） ;协方差分析基本思想;协方差分析基本思想;协方差分析(analysis of covariance，ANCOVA) 将线性回归与方差分析结合起来，检验两组或多组修正均数间有无差异的一种统计方法，用于消除混杂因素对分析指标的影响。 ;大学生 篮球运动员;协方差分析是将线性回归与方差分析相结合 的一种分析方法。 把对反应变量Y有影响的因素X看作协变量， 建立Y对X的线性回归，利用回归关系把X值 化为相等，再进行各组Y的修正均数间比较。 修正均数是假设各协变量取值固定在其总 均数时的反应变量Y的均数。; 协方差分析有二个意义 ， 一是对试验进行统计控制，二是对协方差组分进行估计，现分述如下。 一、对试验进行统计控制 为了提高试验的精确性和准确性 ，对处理以外的一切条件都需要采取有效措施严加控制，使它们在各处理间尽量一致，这叫试验控制。; 但在有些情况下，即使作出很大努力也难以使试验控制达到预期目的。例如： 研究大学生和运动员肺活量的差异，希望试验人员身高相同，因为身高不同，将影响到肺活量的高低。但是，在实际试验中很难满足试验人员身高相同这一要求。 经研究发现：身高与肺活量之间存在线性回归关系。;这时可利用身高(记为x)与其肺活量(记为y)的回归关系， 将肺活量都矫正为身高相同时的肺活量，于是身高不同对肺活量的影响就消除了。由于矫正后的肺活量是应用统计方法将身高控制一致而得到的，故叫统计控制。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 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 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 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。这种将回归分析与方差分析结合在一起，对试验数据进行分析的方法，叫做协方差分析(analysis of covariance)。 ;第i组第j个观测值;观测值=一般均值+水平影响+协变量影响+随机误差;协方差分析的应用条件 ⑴要求各组资料都来自正态总体，且各组的方差相等；（t检验或方差分析的条件） ⑵各组的总体回归系数βi相等，且都不等于0（回归方程检验）。 因此，应用协方差分析前，要对资料进行方差齐性检验和回归系数的假设检验（斜率同质性检验），只有满足上述两个条件之后才能应用，否则不宜使用。 ;协方差分析的应用条件 ;两条回归直线不平行;两条条回归直线基本平行;不满足条件时的处理方法 ;协方差分析适用的资料 协方差分析可用于： 完全随机设计、随机区组设计、拉丁方设计、析因设计等资料； 协变量X可以仅有一个，称一元协方差分析； 协变量也可以有多个，称多元协方差分析。 ;协方差分析步骤;第二节 单因素试验资料的协方差分析 ; 表10—1 kn对观测值x、y的单向分组资料的 一般形式; 表10—1的x和y变量的自由度和平方和的剖分参见单因素试验资料的方差分析方法一节。其乘积和的剖分则为： 总变异的乘积和SPT是xji与 和yji与 的离均差乘积之和，即：