生物统计（技术）：析因设计的方差分析.ppt

析因设计（factorial design):在一批试验中可以研究多个因素（或处理）。 两因素 随机效应型（random-effect model) 固定效应型 (fixed-effect model) 混合效应型 (mixed- effect model) 固定效应型 固定模型方差分析表(A B固定) 变异来源 平方和 自由度 均方 F A因素 SSA a-1 MSA MSA ／MSe （6-20） B因素 SSB b-1 MSB MSB／ MSe （6-21） AB交互作用 SSAB (a-1)(b-1) MSAB MSAB ／MSe 误差　　　　SSｅ　　ab(n-1) MSe 总和 SST abn-1 若A、B无交互作用 ，FA= MSA ／MSW （6-22） FB= MSA ／MSW （6-23） MSW= (SSｅ+ SSAB )/ (νe+ νAB ) （6-19） 例 6.1 将20只家兔随机等分4组，每组5只，进行神经损伤后的缝合试验。处理由两个因素组合而成，A因素为缝合方法，B因素为缝合后的时间。试验结果为家兔神经缝合后的轴突通过率(%)。 比较不同缝合方法及缝合后时间对轴突通过率的影响。 3．交互作用 当某因素的各个单独效应随另一因素变化而变化时，则称这两个因素间存在交互作用(interaction)。 表 处理组均数比较的方差分解 例6 .2? 观察A，B两种镇痛药物联合运用在产妇分娩时的镇痛效果。A药取3个剂量：1.0m，2.5mg，5.0mg；B药也取3个剂量：5μg，15μg，30μg。共9个处理组。将27名产妇随机等分为9组，每组3名产妇，记录每名产妇分娩时的镇痛时间。分析A，B两药联合运用的镇痛效果。 表6-4 A,B两药联合运用的镇痛时间（min） 随机模型方差分析表(A B随机） 变异来源 平方和 自由度 均方 F A因素 SSA a-1 MSA MSA ／MSAB (6-15) B因素 SSB b-1 MSB MSB／ MSAB (6-16) AB交互作用 SSAB (a-1)(b-1) MSAB MSAB ／MSe 误差　　　　SSｅ　　ab(n-1) MSe 总和 SST abn-1 若A、B无交互作用 ，FA= MSA ／MSW （6-17） FB= MSB ／MSW （6-18） MSW= (SSｅ+ SSAB )/ (νe+ νAB ) （6-19） 例6.7 某医科大学为研究退休老人身心健康与家庭因素的关系，从所在城市的8家规模较大的医院中随机抽取3个医院，同时随机抽取8种职业(医生、教师、职员、干部、科研、医技和工勤)中的两种，在3个样本单位的相应人员中获得中文版FACESⅡ 　(家庭亲密度和适应性量表)测量分值如下(表6-15)。试问，不同单位或不同职业的退休人员家庭亲密度是否相同? 　　　 表6-15 退休人员家庭亲密度资料 三、混合效应型两因素析因设计 与方差分析 混合模型方差分析表（A固定， B随机） 变异来源 平方和 自由度 均方 F A因素 SSA a-1 MSA MSA