《医学统计学 方差分析》.ppt

表9.17 例9.6资料方差分析表 例9.5 某医师研究A、B两种药物对失眠患者改善睡眠的效果，将12名患者按交叉设计方案随机分为两组，观察两种药物、两个阶段睡眠时间增加量 (h)， 每个阶段治疗两周，间隔两周。第一组患者为A→B顺序，即第一阶段服用A药，第二阶段服用B药；第二组为B→A顺序，即第一阶段服用B药，第二阶段服用A药。结果见表9.11。 表9.11 失眠患者睡眠时间增加量(h) 2. 计算检验统计量 表9.13 表9.11资料的方差分析表 析因设计的方差分析 析因设计(factorial design) 中最简单的是两因素方差分析。 此时观察两个因素(分别记为A与B)，每个因素两个水平，共有2×2=4种不同的因素水平组合。 在临床研究中，许多试验因素之间往往是相互联系、相互制约的，有时当一种因素的质和量改变时另一种现象的质和量也随之改变。 例如，当同时研究两种试验因素(如两种药物)的效果，每种因素又有两个水平(如用药和不用药)时，某种药物的水平变化有可能使另一种药物的水平也随之发生变化，此时析因设计(factorial design)是一种十分有用的设计。 它不仅可以检验两因素各水平之间的差异有无统计学意义，而且可以检验两因素间的交互作用。 若两因素间存在交互作用，甲因素的水平改变时，乙因素的效应也相应有所改变；若无交互作用，两者是相互独立的。 析因设计的优点还在于可以节约样本含量，若将两种药物分别进行随机对照试验，析因设计将节约样本含量的1/2，若用两种药物相互对比的设计，可节约1/3的样本含量。 例9.6 为研究某降血糖药物对糖尿病及正常大鼠心肌磺脲类药物受体 SUR1 的 mRNA 的影响，某研究者进行了如下实验：将24只大鼠随机等分成4组：两组正常大鼠，另两组制成糖尿病模型，糖尿病模型的两组分别进行给药物和不给药物处理，剩余两组正常大鼠也分别进行给药物和不给药物处理，测得各组mRNA吸光度的值(%)结果见表9.14。 表9.14 4种不同处理情况下吸光度的值(%) 单独效应、主效应和交互效应 表9.15 例9.6资料吸光度均数的差别 AB两因素的交互效应的计算公式为： 例9.6中 20 25 30 35 40 45 50 55 糖尿病大鼠() 用药() 不用药() 图9.1 2×2析因设计交互作用示意图 表9.16 2×2析因设计方差分析计算表 2. 计算检验统计量 2. 计算检验统计量 表9.6 例9.2资料的方差分析表 多个样本均数间的多重比较 方差分析的结果提供了各组均数间差别的总的信息，但尚未提供各组间差别的具体信息，即尚未指出哪几个组均数之间的差别具有或不具有统计学意义。 为得到这方面的信息，可进行多个样本均数间的两两比较，它又称为样本均数间的多重比较(multiple comparison)。 在检验多组均数差别的无效假设Ｈ0时，常见的有以下两种情况： 检验某几个特定的总体均数是否相等，其无效假设称为部分无效假设，即部分组所对应的总体均数相等，Ｈ0：?i=?j(i?j)。 例如，研究者对实验结果有一个大致设想，在设计阶段就根据研究目的或专业知识决定了某些均数间的两两比较，此即设计安排的比较，常见于事先有明确假设的证实性实验研究。 例如多个处理组与对照组的比较，处理后不同时间与处理前的比较以及某几个特定的处理组间的比较等。 2. 检验全部k个总体均数是否相等，其无效假设称为完全无效假设，即所有各组所对应的总体均数都相等， Ｈ0：?1=?2＝…＝?k。 例如，在研究设计阶段对试验结果知之不多的探索性研究，或经数据结果的提示后，才决定的多个均数间的两两比较，即试验完成后提出的比较，这些情况下往往涉及到每两个均数的两两比较。 1. SNK-q检验 SNK为Student-Newman-Keuls三人姓氏的缩写，检验统计量为q值，又常称为q检验。 一般在方差分析结果拒绝Ｈ0：?1=?2＝…＝?k时，再用SNK-q检验进行多重比较。 例9.3 对例9.1资料三组总体均数进行两两比较。 1. 建立检验假设，确定检验水准 ：任意两对比组的总体均数相等 ：任意两对比组的总体均数不等 2. 计算检验统计量 首先将3个样本均数由大到小排列，并编组次： 表9.9 例9.1资料的SNK法检验计算表 在设计阶段就根据研究目的或专业知识而计划好的某些均数间的两两比较，它常用于事先有明确假设的证实性研究，如多个处理组与对照组的