第十一节 协方差分析.pdfVIP

第十一节 协方差分析 (analysis of covariance) 在各种试验设计中，对应变量（dependent variable）Y 研究时，常希望其他可能影响Y的 变量在各组间保持基本一致，以达到均衡可比。 例如：比较几种药物的降压作用，各试验组在原 始血压、性别、年龄等指标应无差异。 第十一节 协方差分析 有时这些变量不能控制，须在统计分析时，通过一 定方法来消除这些变量的影响后，再对应变量y作出统 计推断。称这些影响变量为协变量（Covariate）。 如果所控制的变量是分类变量时，可用多因素的方差 分析； 当要控制的变量是连续型变量时，可用协方差分析， 以消除协变量的影响，或将协变量化成相等后，对y的 修正均数进行方差分析。 第十一节 协方差分析 例如：比较几种不同饲料对动物体重增加的 作用，可把动物的进食量作为协变量。 比较大学生和运动员的肺活量时，可把身高 作为协变量。 比较治疗后二组舒张压的大小，可把治疗前 的舒张压作为协变量。 第十一节 协方差分析 协方差分析的基本原理： 协方差分析是把直线回归和方差分析结 合起来的一种统计分析方法。当不同处理结 果的y值受协变量x的影响时，先找出y与x的 直线关系，求出把x值化为相等后y的修正均 数，然后进行比较，这样就能消除x对y的影 响，更恰当地评价各种处理的作用。 协方差分析的步骤 观察指标服从正态分布、方差齐性、各观察相互独立 检验分组因素与协变量x是否有交互作用。对上例，即 是否雌雄羔羊进食量相同，它们的体重增加量却不相 同。如检验结果分组因素与协变量x间没有交互作用， 即说明雌雄羔羊进食量相同的情况下，它们的体重增 加量是相同的。进行第二项检验： 检验协变量与应变量之间是否存在线性关系。如果不 存在线性关系，则不能简单地运用协方差分析，因为 协方差分析是利用协变量x与应变量y之间的线性回归 关系扣除协变量x对y的影响。必要时可考虑进行变量 转换。如果检验结果协变量与应变量之间存在线性关 系，则进行第三项检验： 进一步扣除x对y影响的前提下，检验各组的修正均数 差别是否有统计学意义。 协变量 总变异 处理 误差 例5.8雌雄两组羔羊体重增加情况比较 第十一节 协方差分析 协方差分析步骤： （1）各处理组分别拟合直线回归方程 ˆ y 1 −22.8266 +0.1786x1 ˆ y 2 −46.1815+0.2563x2 （2）比较各处理组的斜率，求公共回归系 数。 公共回归系数b =0.1938 c 第十一节 协方差分析 (5) 从y中将x的影响扣除，（即把x化成相等 后，对于y的修正均数进行方差分析） x 249 .15 1 x 275 .80 2 x 261.59 总 y 1修 y 1 −b (x1 −x总) 24.08 y 1修 y 1 =−bx1 +bx总 y 2修 y 2 −b (x 2 −x总) 21.76 y 2修 y 2 =−bx 2 +bx总 第十一节 协方差分析 各种试验设计，如：完全随机化设计,随 机区组设计,拉丁方设计,析因设计,平衡不完 全单位组设计,正交试验设计等, 都可以带有 协变量,而且可以不止一个。SA