第十三章 方检验与方差分析-医学课件.ppt

* 第二节 无关联性检验 检验的另一个重要应用是对交互分类资料的独立性检验，即列联表检验。在上一章，我们曾多次提到过性别与收入高低有无关联的问题，在实际中类似的问题很多。例如受教育程度与投票行为有无关联?吸烟与寿命长短有无关联?家庭小孩多少与收入多少有无关联?受教育时间长短与收入多少有无关联?血型与某种性格上的差异有无关联?等等，把这类问题上升到一般，就是在列联表的基础上考察变量X与Y有无关联。由于列联表一般是按品质标志把两个变量的频数进行交互分类的，所以： ① 检验法用于对交互分类资料的独立性检验，有其它方法无法比拟的优点； ②如何求得列联表中的理论频数就成了独立性检验的关键。 * 1、独立性、理论频数及自由度 应用此式，不必计算理论频数 计算与 这个检验统计量相联系的自由度 算出 统计量之值并定出其自由度后，就可以依前述的方法，在给定了显著性水平之后，来对X，Y属性无关联的零假设进行检验了。 * 2．关于频数比较和连续性修正 用卡方 作为列联表的统计量，有两点我们应该特别注意。首先，列联表检验是通过频数而不是通过相对频数的比较进行的。其次，使用卡方 对列联表进行检验．每一格理论频数 必须保持在一定数目之上。 * 3．列联表的卡方分解 若一个复杂的列联表具有显著性，有时需要检查子表以确定表格的那一部分卡方 影响最大。一种可行的简便方法就是考察每一格的残差 ，其公式为 根据计算结果可以知道哪一个残差对卡方影响大。另一种方法是利用卡方分布的可加性，把r×c表的总体卡方分解为若干独立部分。 * 第三节 方差分析 方差分析，是一种很重要的分析方法，它可以检验两个以上样本均值之差。方差分析是均值差检验的推广，一般用于处理自变量是一个（或多个）定类变量和因变量是一个定距变量之间的关系。方差分析所包含的假定与均值差检验所包含的假定差不多，例如正态分布、独立随机样本、等方差性等，但检验本身却很不相同。方差分析直接涉及的是方差而不是均值和标准差。同时，比较也不取两种估计量之差，而是取两种估计量的比率。在两种估计量彼此独立的前提下，两种估计量之比率F具有已知的抽样分布，因而可进行很简单的检验。 * 1．总变差及其分解 总变差 :在方差分析中记作SST，它表示 对于总均值 的偏差之平方和。即： SST＝ 式中: ni是第i个样本的容量, n＝ 为什么会形成总变差这个散布度呢？ 一是三个样本可能不同，这使全部数据 有三个“中心”； 二是随机抽样误差的影响，使数据在每个中心附近有散布。 * 总变差分解 * 可以看出，总变差分解成两部分： 第一部分是各观测值 对其所属类别均值 的偏差的平方和，称为组内变差(Within-groups Sum of Squares)，记作SSW。组内变差反映了数据围绕各“中心”的散布程度，即反映了 因随机波动所产生的变异，与自变量因素无关。换言之,SSW是自变量因素所没有解释的 的变异。因此，又称之为残差。 第二部分是组间平方和 (Between-groups Sum of Squares)，记作SSB ，它涉及到诸类别均值 对总均值 的偏差，反映了前表中数据的c个“中心”的散布程度。 * 2．关于自由度 弄清了组间变差和组内变差，检验“A1≠A2≠A3”(也就是零假设μ1＝μ2＝μ3)的思路也就梳理出来了：关键是比较两种变差是否有显著差异。若第一种变差明显大于第二种变差，则认为家庭因素对孩子图书消费是有影响的；若第一种变差与第二种变差之间无显著区别，则不能认为家庭因素对孩子图书消费有影响。但在统计学上，方差分析不取两者之差而取两者之比来进行这种比较。而且，方差分析不是直接用SSB/SSW作为检验统计量，而是用 可以解释的方差/不能解释的方差 作为检验统计量，即： * 组间平方和代表c个样本均值对总均值的偏差。也就是每个可看作为一个单位，c个可看作为c个单位，有c个自由度，求用去一个自由度。因而，与组间平方和相联系的自由度为c―1。再看组内平方和，计算时每列失去一个自由度。因而，与组内平方和相联系的自由度为n―c。最后看总平方和，计算总均值时失去一个自由度。因而，与总平方和相联系的自由度为n―l。总的来看有: 总自由度＝组内自由度 + 组间自由度 * 上式是在在零假设(H0：μ1＝μ2＝…＝μc)之下，检验统计量Fo的计算公式。 理论证明：上式服从分子自由度为k1＝c―1、分母自由度为k2＝（n―c）的F分布。于是，给定显著性水平α，我们就可以很方便地从F分布表中查到临界值Fα(c