用procsshr模型分析方差不等式时的i类错误率.docxVIP

用procsshr模型分析方差不等式时的i类错误率 在一般医学统计教科书中，当三组数据满足独立、正态分布且离散时，使用离散度分析。当数据不遵循正态分布且组间离散时，通常考虑非参数检验方法，如kuskal-worm质量分析和k-w法。 本文的研究是基于完全随机设计的三组资料进行均数间差异的比较, 在满足了各组资料相互独立、服从正态分布的条件下, 考虑方差不齐时用mixed方法分析, 并综合考虑样本量对I类错误发生率的影响, 及与Kruskal-Wallis秩和检验和ANOVA法比较检验的把握度。 学习方法 本文基于完全随机设计的三组资料进行均数间差异的比较。设Y 1. 混合模型 依据背景, 所采用的统计分析模型如下: y 在SAS9.3中, 利用proc mixed 2. 与kral-东北部的比较 利用SAS9.3产生服从正态分布的模拟数据, 分别采用mixed模型、Kruskal-Wallis秩和检验和ANOVA法进行分析, 并考虑在样本量均衡和各组样本量不等的情况下, 该mixed法的I类错误率和检验效能, 并与Kruskal-Wallis秩和检验和ANOVA法作比较。 为便于模拟, 本研究拟将样本量设定为n 模拟结果 1. 样本量均衡时,三种方法的类错误率都表现为 参数的设定:各组总体均值设为μ 由表1中结果可以看出, 样本量均衡时, 三种方法的Ⅰ类错误率均很低, 而随着组间样本量差异变大, 则检验的Ⅰ类错误率均增高, 当n∶n 2. 总体方差的把握度 参数的设定:各组总体均值设为μ 由表2结果可知, 总体方差相同时, 三种方法的检验效能均较高, 且即使各组间样本量的不均衡性增大, 三种方法的把握度并没有显著变化。 综上, 由表1和表2的结果可知, 各组总体方差相同时, 用mixed法、ANOVA法和Kruskal-Wallis秩和检验进行各组总体均数的比较时, 三种方法的检验效能都很高, 但组间样本量不均衡时, mixed法的Ⅰ类错误率较高, ANOVA法最低。因此各组总体方差相同时, 应优先考虑ANOVA法, 而不建议采用mixed法。 3. 各组间样本量不均衡时的i类错误率 各组总体均值设为μ 由表3结果可以看出, 样本量均衡时, 三种方法的Ⅰ类错误率均很低, 但随着组间方差差异的增大, I类错误率有所增高。组间样本量不均衡时, mixed法检验的I类错误率最高, 但都在可控制的范围内。而对不均衡资料, 固定各组样本量, 各组总体方差差异增大时, 三种方法的I类错误率略有降低。 4. 种方法的权重差异 设定各组总体均值分别为μ 由表4结果可以看出, 在样本量均衡时, 不管方差的差异性如何, 三种方法的Power接近, 但方差的差异性越明显, 则三种方法的Power均显著下降。而资料不均衡时, 在方差的差异性较小时, 三种方法的把握度均较高, 但mixed法的检验效能要高于Kruskal-Wallis秩和检验和ANOVA法, 当方差的差异性增大时, mixed法的检验效能略有下降, 而Kruskal-Wallis秩和检验和ANOVA法的检验效能下降明显。 方差不同时,结合适用影响因素 基于以上各种情境的模拟结果, 本研究可以得到如下结论: 1.不管采用何种统计分析方法, 研究设计阶段尽量使各组样本量均衡, 才可使统计分析的I类错误率降低和把握度达到最大。 2.当各组样本不均衡时, 统计分析的把握度会降低, 并且Ⅰ类错误率增高。在本研究中, 如表1示, 当n∶n 3.对各组样本不均衡资料, mixed方法的检验效能要高于Kruskal-Wallis秩和检验和ANOVA法, 尤其在方差不齐时, mixed方法的检验效能显著高于后两者。当组间方差差异增大时, 如本例由其中两组方差相同到三组方差均不同时, mixed方法检验的把握度仅略有下降, 而Kruskal-Wallis秩和检验和ANOVA法的把握度下降明显, 说明不均衡资料固定各组样本量后, mixed方法的把握度受方差不齐的影响较小, 而秩和检验和ANOVA法对方差不齐的变化较为敏感。 综上, 各组总体方差相等时, 对不均衡资料的完全随机设计, mixed方法的Ⅰ类错误率高于Kruskal-Wallis秩和检验和ANOVA法而无法控制。因此在各组总体方差相等时, 不建议采用mixed方法, 而建议采用ANOVA法。 各组总体方差不齐时, mixed法的Ⅰ类错误率较低, 且mixed法的把握度受各组方差不齐程度的变化不敏感, 而Kruskal-Wallis秩和检验和ANOVA法受方差不齐的影响较大。另外, mixed法还能给出各组总体均值和总体方差的估计, 相对于Kruskal-Wallis秩和检验和ANOVA法有着明显的优势。但是, 当各组样本量相差较大时, mix