多样本均数比较方差分析.ppt

实验课相关问题 data cancer2; set cancer1; if _n_27 then c=1; else c=2; run; proc ttest data=cancer1; class c; var var1-var1000; ods output ttests=can_ttest equality=can_equ; run; data a1; set can_equ; if ProbF0.001 then t=2; else t=1; keep variable probF t; run; 多样本均数比较的方差分析 (Analysis of Variance ANOVA) 一 方差分析的基本原理 多样本均数重复进行t检验？ 方差分析的基本思想 根据实验设计的类型及研究目的,将全部观察值之间所表现出来的总变异,分解为两个或多个部分。除随机误差作用外,其余每个部分的变异均可由某个因素的作用加以解释。通过比较不同变异来源的均方(MS),借助F分布做出统计推断,从而推断研究因素对试验结果有无影响。 表 完全随机设计方差分析的计算公式 变异来源 离均差平方和 自由度 均方 F SS ν MS 总 n-1 组 间 k-1 （处理组间） 组 内 n-k （误差） 检验统计量F值的意义: 多个样本均数比较的方差分析, 其无效假设H0 是各样本均数来自相同的总体, 即处理因素对研究 结果无影响, 组间变异与组内变异均只反映随机误 差作用的大小, 则F值在理论上应等于1, 由于抽样 的偶然性, 得到的F值不会恰好等于1, 而是接近1。 若处理因素对研究结果有影响, 将出现MS组间明显 大于MS组内, F值也明显大于1。F值越大, 拒绝H0 的理由越充分。 若组间变异明显大于组内变异, 则不能认为组间变异仅反映随机误差的大小, 处理因素也在起作用。根据计算出的检验统计量F值, 查界值表得到相应的P值, 按所取检验水准α作出统计推断结论。 检验统计量F值服从F分布。 FFα,(ν组间, ν组内),则P α, 不拒绝H0, 还不能认为各样本所来自的总体均数不同; 当F≥Fα,(ν组间, ν组内),则P≤α, 拒绝H0, 接受H1, 可认为总体均数不等或不全相等。 3组观察对象空腹血糖测定结果（mmol/L) 分析步骤: 1. 注意: 方差分析的结果若拒绝H0, 接受H1,不能说明各组总体均数两两间都有差别。如果要分析哪两组之间有差别, 需要进行多个均数间的多重比较。 当k = 2时, 完全随机设计的方差分析结果与完全随机设计的两样本均数比较的 t 检验是等价的, 而且F = t 2。 SAS程序讲解 SAS程序讲解 LSD LSD –t 检验 (最小显著差法) DUNNETT (‘a1’) Dunnett- t 检验 DUNCAN Duncan检验 (新复极差法) BON Bonferroni法 SNK SNK法 REGWQ REGWQ法 SAS示例 6.1 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（具体分组方法见下表），进行双盲试验。6周后测得低密度脂蛋白作为试验结果。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? SAS示例 data prg6_1; do c=1 to 4; do i=1 to 30; input x @@; output; end; end; cards; …… ；