第六章-方差分析单向分类资料.pptVIP

2. 平方根转换 如果资料具有方差与均数成正比的特征，在方差分析前，应该对每个观测值进行平方根变换。 典型例子有： 显微镜视野下计数的细菌数；一定面积范围内的某种植物的数目或某种昆虫的数目等等。 此类资料通常服从普哇松分布，而普哇松分布的基本特征是总体平均数等于总体方差。 如果X的值较小，也有人建议用下式： 3. 对数转换 如果数据具有标准差和均数成正比的趋势，则做对数变换。 Y=logX 或 Y=lnX 。 如果数据中含有0值，则用Y =log(X+1)。 对数变换主要用于各样本的方差差异较大，但变异系数相近 的资料。 一般用于服从二项分布的百分率资料。 如果在n次独立试验中，具有性质A的事件发生r次，则r服从二项分布B(n，P)，其中P为在一次试验中A事件发生的概率。 当百分率都在30%—70%之间时可以不做转换，因为变换后的数据与变换前相差不大。这种变换是使两端的率向中间接50%靠近，使数据的差异幅度变小。 4. 反正弦转换 反正弦变换，又称为角变换。 5. 倒数转换 倒数转换常用于以反应时间为指标的数据，例如某疾病患者的生存时间。 6.5 t 检验和F检验的关系 在单项分类资料中，如果只有两个组，用t 检验和F 检验都可以。举例说明二者之间的关系。 例：性激素对小公鸡的第二性征的影响实验。随机抽取体重相近的小公鸡22只，随机分为两组，一组接受激素A，一组接受激素C。在相同的环境下饲养，接受激素处理15天后取鸡冠称重，数据如下表。试检验两种激素对小公鸡鸡冠重的影响有无差异。 激素 鸡数 鸡冠重量（mg） 合计 平均 A C 11 11 57 120 101 137 119 117 104 73 53 68 118 89 30 82 50 39 22 57 32 96 81 88 1067 616 97 56 分别用t 检验和F 检验进行检验。 一、t检验 （1） （2）计算检验统计量 两样本合并的平方和为： 均数差异标准误为： 检验统计量为： （3）统计推断 因为：t＝3.38 t0.01（11）＝2.845， 所以，否定原假设，接受备择假设。两种激素对小公鸡第二性征的影响有着极显著的差异。 二、F 检验 （1） （2）计算平方和与自由度 （3）计算自由度 （4）建立方差分析表 （5）统计推断： 因为，F＝ 11.40F0.01（1，20）＝8.10， 所以，否定原假设，接受备择假设。两种激素对小公鸡第二性征的影响有着极显著的差异。 可以看出： 当F分布的分子的自由度为1，分母自由度等于t 分布的自由度时。t检验可以认为是 k=2，重复为 n 的方差分析。 目的：在存在差异的多个平均数中，找出具体有差异的平均数。 只能对多个平均数进行两两比较。但是又不能采用 t检验，而是采用多重比较方法。 Bonferroni t 检验 Duncan’s 多重极差检验 ??? ? 无论采用哪种多重比较方法，必须在方差分析的基础上进行，如方差分析结果为差异不显著，则无需进行多重比较！ 6.6 多重比较 最小显著差数法 (LSD法，least significant difference) ： 在F检验显著的前提下，先计算出显著水平为α的最小显著差数，然后将任意两个处理平均数的差数的绝对值 与其比较。若 ＞LSDa时，则 与 在α水平上差异显著；反之，则在α水平上差异不显著。 6.6.1 LSD法 利用LSD法进行多重比较时，可按如下步骤进行： (1)列出平均数的多重比较表，比较表中各处理按其平均数从大到小自上而下排列； (2)计算最小显著差数LSD0.05和LSD0.01； (3)将平均数多重比较表中两两平均数的差数与LSD0.05 、 LSD0.01比较，作出统计推断。 （1）假设： H0: ? i = ? j , HA: ? i ? ? j （2）计算检验统计量： （3）计算LSD?并做统计推断： 已知： n1=n1=n1=n1=5 MSE=96.88 dfE=16 说明第一种饲料的增重效果极显著的好于其他3种饲料 对各个平均数进行两两比较：也是一种t检验 假设：H0: ? i = ? j , HA: ? i ? ? j 检验统计量： df = dfE = N - k 显著性水平： 总的一型错误概率 需要比较的次数 6.6.2 Bonferroni t 检验 误差均方 一次比较中犯一型错误概率：?? 一次比较中不犯一型错误概率：1 - ?? c 次比较中不犯一型