《8第08章方差分析》-课件设计（公开）.pptVIP

二、Dunnett法 常用方法之一，其检验统计量为tD，故又称为Dunnett-t检验 适用于多个试验组与一个共同对照组均数的比较 例8.2 不同丹参浓度组（试验组）与生理盐水组（对照组）之间的比较 检验假设 H0： μT＝ μC，试验组与对照组总体均数相等 H0： μT≠ μC，试验组与对照组总体均数不等 α=0.05 结论： 按α=0.05水准，丹参2ml/kg与生理盐水组、丹参1ml/kg与生理盐水组均拒绝H0，差别有统计学意义，可以认为两实验组与对照组相比较大白兔血中白蛋白的减少量不同。 三、Bonferroni法 实质是根据对比次数对检验水准α进行调整 第七节 方差分析应用条件 应用条件： 1）各样本是相互独立的随机样本 2）各样本来自正态总体 3）各处理组总体方差相等，即方差齐 方差齐性检验： Bartlett χ2检验、Levene检验 谢谢！ 第八章 方差分析 Analysis of Variance, ANOVA 两个样本均数 比较的t检验方法 本章介绍多个样本均数 比较的方差分析方法 方差分析的提出 方差分析由英国统计学家R.A.Fisher在1923年提出，为纪念Fisher，以F命名，故方差分析又称 F 检验 第一节 方差分析的基本思想 例8-1 为研究钙离子对体重的影响作用，某研究者将36只肥胖模型大白鼠随机分为三组，每组12只，分别给予高脂正常剂量钙(0.5%)、高脂高剂量钙(1.0%)和高脂高剂量钙(1.5%)三种不同的饲料，喂养9周，测其喂养前后体重的差值。问三组不同喂养方式下大白鼠体重改变是否不同？ 看一个例子 从这个表，可以看到三种变异： 1、全部数据间的变异，总变异 2、三组均数之间的变异，组间变异 3、每组内数据的变异，组内变异 变异分解(离均差平方和SS) 1、总变异（SS总,total variation） 全部测量值大小各异，与总均值之间的差异称为总变异，即Xij与 之间的差异。 它包含不同喂养方式的效应（处理的效应），又包含了随机误差 2、组间变异（SS组间，variation between groups） 三种喂养方式体重改变的平均值各不相同，这种变异称为组间变异 是组内均值　与总均值　之差的平方和 组间变异反映了： 三种喂养方式的差异（影响），同时也包含了随机误差。 3、组内变异(SS组内，variation within groups) 各种喂养方式内部，体重变化也各不相同，这种变异称为组内变异 组内各个观测值 与本组内均值 之间差的平方和 组内变异反映随机误差 总变异、组间变异、组内变异的关系 对应自由度的关系 均方(mean square, MS) 影响离均差平方和(SS)大小的因素： 1)与变异程度大小有关 2)与其自由度大小有关,即与数据个数有关 将各部分离均差平方和除以相应自由度，其比值称为均方差，简称均方(MS)，实质就是方差。 F 值与F分布 组间均方与组内均方的比值记为F 如果方差分析的零假设H0:μ1= μ2= μ3成立，即各三种喂养方式的体重总体改变量相同，即效果一样，则组间变异与组内变异一样，只反映随机误差作用的大小。 此时，F值接近于l，就没有理由拒绝H0；反之，F值太大，则有理由怀疑H0是否成立 当H0成立时，上述比值服从自由度为v1（分子自由度）和v2 （分母自由度）的F分布，因此可以根据F分布表来确定是否拒绝H0。 根据资料设计的类型及研究目的，将总变异分解为两个或多个部分，每个部分的变异可由某种因素的作用来解释。通过将某部分的变异与随机误差进行比较，以判断该部分的变异是否可由随机误差来解释，以了解相应的因素对结果有无影响。 从上面可以看出方差分析的思想逻辑： 判断准则： 如果F≥F α(v1,v2)，则P≤α，则按α水准拒绝H0，接受H1，差异有统计学意义，认为多个总体均数不全相同 如果F＜F α(v1,v2)，则P＞α，则按α水准不拒绝H0，差异无统计学意义，还不能认为多个总体均数不全相同 将结果整理成方差分析表 第二节、完全随机设计资料的方差分析 完全随机设计（completely random design）是将研究对象随机分配到各处理组，再观察其实验效应的一种单因素实验设计方法 通常采用单因素方差分析(one-way ANOVA)。 单因素方差分析的变异分解： 总变异分解为组间变异和组内变异 1、提出检验假设，确定检验水准。 H0:三种喂养方式体重改变的总体均数相同, μ1=