医学统计学第四章多个样本均数比较的方差分析.pptxVIP

第四章 多个样本均数比较的 方差分析analysis of variance, ANOVA 讲述内容第一节 方差分析的基本思想及其应用条件第二节 完全随机设计资料的方差分析第三节 随机区组设计资料的方差分析 第四节 拉丁方设计资料的方差分析 第五节 两阶段交叉设计资料的方差分析第六节 多个样本均数间的多重比较第七节 多样本方差比较的Bartlett检验 和Levene检验第一节 方差分析的基本思想及其应用条件目的：推断多个总体均数是否有差别。 也可用于两个 方法：方差分析，即多个样本均数比较 的F检验。 基本思想：根据试验设计的类型，将全部测量值总的离均差平方和及其自由度分解为两个或多个部分，除随机误差作用外，每个部分的变异可由某个因素的作用(或某几个因素的交互作用)加以解释 。应用条件： 总体——正态且方差相等 样本——独立、随机设计类型：完全随机设计资料的方差分析随机区组设计资料的方差分析拉丁方设计资料的方差分析两阶段交叉设计资料的方差分析完全随机设计资料的方差分析的基本思想 合计 N S 第i个处理组第j个观察结果变异（离均差平方和）分解：离均差平方和(sum of squares of deviations from mean，SS) ：1.总变异: 所有测量值之间总的变异程度，计算公式为校正系数： 2．组间变异：各组均数与总均数的离均差平方和，表示处理因素的作用和随机误差的影响，计算公式为： 如果有——g个总体均数有差别 如果无——g个总体均数无差别 3．组内变异：各组内各测量值Xij与其所在组的均数的差值的平方和，表示随机误差的影响。计算公式为:三种变异的关系：均方差，均方(mean square，MS)。 检验统计量：如果 ，则 都为随机误差 的估计，F值应接近于1。如果 不全相等，F值将明显大于1。用F界值（单侧界值）确定P值。第二节完全随机设计资料的方差分析一、完全随机设计 将全部试验对象分配到g个处理组（水平组），各组分别接受不同的处理，试验结束后比较各组均数之间的差别有无统计学意义，推论处理因素的效应。 例4-1 某医生为了研究一种降血脂新药的临床疗效，按统一纳入标准选择120名患者，采用完全随机设计方法将患者等分为4组进行双盲试验。问如何进行分组？（1）完全随机分组方法： 1. 编号：120名高血脂患者从1开始到120，见表4-2第1行；2. 取随机数字：从附表15中的任一行任一列开始，如第5行第7列开始，依次读取三位数作为一个随机数录于编号下，见表4-2第2行；3. 编序号：按数字从小到大 (数据相同则按先后顺序）编序号，见表4-2第3行。4. 事先规定：序号1-30为甲组，序号31-60为乙组，序号61-90为丙组，序号91-120为丁组，见表4-2第四行。（2）统计分析方法选择：1. 对于正态分布且方差齐同的资料，常采用单因素方差分析的单向分类的方差分析或成组资料的 t 检验（g=2）；2. 对于非正态分布或方差不齐的资料，可进行数据变换或采用Wilcoxon秩和检验。二、变异分解 例4-2 某医生为了研究一种降血脂新药的临床疗效，按统一纳入标准选择120名高血脂患者，采用完全随机设计方法将患者等分为4组（具体分组方法见例4-1），进行双盲试验。6周后测得低密度脂蛋白作为试验结果，见表4-3。问4个处理组患者的低密度脂蛋白含量总体均数有无差别?表4-3 4个处理组低密度脂蛋白测量值(mmol/L)三、分析步骤 1. 建立检验假设，确定检验水准:H0：即4个试验组总体均数相等 H1：4个试验组总体均数不全相等 2 . 计算检验统计量 :列方差分析表表4-5 完全随机设计方差分析表3. 确定P值，作出推断结论： 按 水准，拒绝H0，接受H1，认为4个试验组ldl-c总体均数不相等，即不同剂量药物对血脂中ldl-c降低影响有差别。注意： 方差分析的结果拒绝H0，接受H1，不能说明各组总体均数间两两都有差别。如果要分析哪些两组间有差别，可进行多个均数间的多重比较（见本章第六节）。当g=2时，完全随机设计方差分析与成组设计资料的t 检验等价，有 。第三节随机区组设计资料的方差分析一、随机区组设计——配伍组设计(randomized block design)（1）随机分组方法： 先按影响试验结果的非处理因素（如性别、体重、年龄、职业、病情、病程等）将受试对象配成区组，再分别将各区组内的受试对象随机分配到各处理或对照组。（2）随机区组设计的特点 随机分配的次数要重复多次，每次随机分配都对同一个区组内的受试对象进行，且各个处理组受试对象数量相同，区组内均衡。 在进行统