常用实验设计方法.pptxVIP

常用实验设计方法; ㈠ 完全随机设计;完全随机设计(completely random design) 亦称单因素设计。将受试对象随机分到各处理组中进行实验观察，或分别从不同总体中随机抽样进行对比观察。 它适用于两个或两个以上样本的比较。各组间样本量可相等，也可不相等。样本相等时统计分析效率较高。;4;5;6;7;8;9;㈠完全随机设计(completely random design);例1 将12头动物随机分配到A、B两组。 1、先将12头动物编号为1、2……12号。然后在随机数字表内任意确定一个起始点和方向连续取12个随机数字，并依次抄录于动物编号下。 2、本例从随机数字表第6行第19、20列起向下读取12个随机数字，取两位随机数字。 3、将随机数字从小到大顺序排列后得序号R，并规定R=1～6者为A组，R=7～12者为B组。 ;;随机分组应注意 ： 1、随机数的位数不应小于N的位数； 2、随机数如果有重号数字应舍弃； 3、若科研上需要各组例数不等可利用序号（R）调整各组例数。如在例2中要求A组6例，B组5例，C组4例，可规定R=1～6者为A组，R=7～11者为B组，R=12～15者为C组。;14;15;16;17;18;19;20;21;22;23;24;25;26;27;28; ;30;31;32;33;34;35;36;37;38;39;40;41;42;43;44;45;46;47;48;49;50;51;52;53;54;55;56;57;58;59;60;61;62;63;64;65; 析因设计 ;一种多因素的交叉分组设计，是对各因素各水平的所有组合都进行实验的设计方法，它即可分析各因素的主效应，又可分析各因素的交互作用，（interaction），是一种高效的实验设计。 ;交互作用 各因素所产生的效应之间的相互影响情况，如两因素间存在交互作用，表示他们不是独立的，随着一个因素的改变，另一个因素的效应也改变；交互作用分为：协同作用和拮抗作用 协同作用：一种因素可增强另一因素或多种因素的效应。 拮抗作用：一种因素可减弱另一因素或多种因素的效应。 ;优缺点： 优点： 1）它的试验结果可运用方差分析，把总变异分解为众多个因素变异、因素间交互作用的变异以及误差变异。因此，它不仅可以作每个因素各水平间的比较，而且还可以进行各因素间交互作用的分析。因此,析因设计是一种高效率的试验方法，对各种组合的交互作用具有独特的分析功能，同时又具有直观表达分析结果的优点; ２）析因设计还可以节约样本含量;缺点： 1）统计分析计算较复杂; 2）因素及水平数均不宜过多，否则实验量太大，而且对比分析过于繁琐。 ;假设检验方法： 对于计量资料，析因试验的结果可用方差分析进行假设检验，推断处理因素作用及交互作用。 ;析因设计;析因设计;结论: A、B两因素各水平间差别有统计学意义，P均小于.0001， A、B间有交互作用，从A1B1（0.8）、A1B2(1.0)、A2B1(1.2)、A2B2(2.1)各自均值的关系可知：A、B间有协同作用。 ; 重复测量设计 ;例：为研究Nm23H1基因AN：对肝癌细胞SMMC-7721增殖和转移的影响，将4~6周龄雌性裸鼠10只随机等分为两组。一组接种蛋白高表达细胞克隆AN2，另一组未转染细胞SMMC-7721作对照，测定癌细胞计数，以光密度吸收值A595nm来反映，试分析转移基因AN2是否对肝癌细胞有抑制作用。 ;重复测量设计 ;显著特点: 同一实验单位(如人、动物、实验室样品)的某一观察指标在不同的场合(最常见的场合是时间)多次被反复观测。 按重复测量设计进行实验而获得的数据被称为重复测量数据(repeated measures data)，如果重复测量的场合是几个不同的时间点，则重复测量数据又称为追踪数据或纵向数据(longitudinal data)，医学科研中经常遇到的便是这种重复测量数据。;由于重复测量结果即使不施加干预也会随时间的推移产生自然变化，如疾病的自愈或症状的减轻等，故重复测量设计试验必须设立平行对照。 重复测量设计试验一般需考虑两个实验因素，一个因素是处理分组因素，可施加干预和随机化分组；另一个因素是测量时间，由研究者根据专业要求确定。 为了便于统计分析，要求每个受试对象的重复测量时间必须相同，测量间隔按等差或等比划分。;随机化分组方法： ①按处理分组因素将N个受试对象随机(等)分为g个处理组(g≥2)； ②每个受试对象按重复测量因素的水平变化固定顺序重复测量t次(t≥2)。 ;重复测量设计_实例结果;82;83;84;85;86;87; 在临床试验中，研究者或受试者均可给实验效应带来影响，造成偏倚（bias） 。 ;五、临床试验设计