析因设计方差分析.pptVIP

析因设计的方差分析ANOVA of factorial design 预防医学教研室 邹莉玲 Zouliling_59@tongji.edu.cn 实例分析 例1：某研究人员为了解升白细胞药物（A）和纯苯（B）对大鼠吞噬指数的影响，以及两者同时使用的作用。将20只性别相同、体重相近的大鼠，按A、B两因素有无分为a1b1、a1b2、a2b1、a2b2四组（1表示用药，2表示不用）。测得吞噬指数结果见表9-1。 单独效应、主效应和交互效应 基本概念 交互效应： 指两个或多个研究因素间的效应互不独立，当某一因素在各水平间变化时，另一个或多个因素各水平的效应也相应地发生改变。两个因素间的交互作用称为一阶交互作用，三个因素间交互称为两阶交互作用。 析因设计（factorial design）： 是将两个或多个实验因素的各水平进行组合，对各种可能的组合都进行实验，从而探讨各实验因素的主效应（main effect），以及各因素间的交互作用（interaction）的研究设计类型。 例1为最简单的析因设计，即两因素两水平，记作22或2×2的析因设计。 研究目的 当研究的因素不止一个时，这种研究设计就称为多因素的实验设计 。其方法有很多种，析因设计就是其中的一种。 研究目的：不仅分析单个因素不同水平效应之间的差异，还要知道两个因素各水平间效应的相互影响。 分析方法：采用多因素方差分析。 方差分析的基本步骤 建立检验假设，确定检验水准 对于因素A（升白细胞药物）： H0：给药与不给药的大鼠吞噬指数的总体均数相等 H1：给药与不给药的大鼠吞噬指数的总体均数不等 对于因素B（纯苯染毒）： H0：染毒与不染毒的大鼠吞噬指数的总体均数相等 H1：染毒与不染毒的大鼠吞噬指数的总体均数不等 对于交互作用AB： H0：因素A和因素B无交互作用 H1：因素A和因素B有交互作用 均取 计算检验统计量 表9-4 例1的两因素析因设计方差分析表 确定P值，作出推断结论 （1）AB交互效应的P0.05，提示按0.05的检验水准，接受H0假设，即还不能认为AB两因素间存在交互作用。 （2）A因素主效应的P0.05，提示不能认为给予升白细胞药物对大鼠吞噬细胞指数有影响。 （3）B因素主效应的P0.01 ，提示染毒对吞噬指数有影响，可以降低大鼠吞噬指数。 SPSS软件操作 以例1为例，操作过程如下。 建立SPSS数据文件（见factorial_1.sav） 定义3个列变量： 1个因变量（y），2个处理因素分组变量（A，B）,设置值标签。 主要分析过程 1）Analyze -General Linear Model -Univariate ，弹出单变量对话框： --因变量名称：y --固定因子（处理因素）：A、B 2）点击“模型”按钮，弹出重复度量模型对话框。 --指定模型：本例选择全模型，即分析所有主效应及交互效应（系统默认）。若选择定制，可以自由选择进入分析模型的主效应及交互效应。 --平方和：选择计算离均差平方和的方法，类型III（系统默认） 。 3）点击“图/plot”按钮，弹出交互作用轮廓图设置对话框。 交互作用轮廓图是将各因素不同水平组合的均值在二维图形上标出，以直观描述交互效应。 --水平轴：因素A --单图（线段，separate lines）：因素B --多图（分图，separate plots）：无 4） Post Hoc（对比）按钮： 用于某处理因素多个水平间的多重比较。本例的研究因素均为两水平，所以无需此步骤。 5）Options（选项）按钮，弹出单变量选项对话框。 --显示均值：结果输出所选因素的均数、标准误、可信区间。 --输出：包括描述统计、参数估计、方差齐性检验等供选择项，本例不选择任何选项。 主要输出结果 1）均值估计： 2）方差分析表：包括处理因素主效应和交互效应比较。 3）交互效应轮廓图： 小结 析因设计的优点：全面高效性，可以对各因素的不同水平进行组合，对各因素不同水平主效应进行分析的同时，还可以对交互效应进行分析；通过比较各实验组合，还可以寻求最佳组合。 析因设计的缺点：工作量大，含有较多因素和水平的实验一般不用完全交叉分组的析因设计，而采用非全面试验的正交设计，可以大幅度减少实验次数。 两因素析因设计与随机区组设计的方差分析的区别：后者每个组合下的数据无重复，不能分析交互效应。 析因设计资料分析：应先分析交互效应。若交互效应有统计学意义，要逐一分析各因素的单独效应，即固定一个因素对其他因素进行分析；反之，若交互效应无统计学意义，则因素间的作用相互独立，直接分析各