两因素方差分析Word下载.docx
《两因素方差分析Word下载.docx》由会员分享,可在线阅读,更多相关《两因素方差分析Word下载.docx(10页珍藏版)》请在冰豆网上搜索。
b
0.8
0.9
3
0.7
4
1.3
5
1.2
6
1.1
7
8
9
10
2.1
2.2
命令anovaxaba*b
其中a表示A药疗效的主效应,b表示B药疗效的主效应,a*b表示A药与B药对疗效的交互作用
结果如下
Numberofobs=12R-squared=0.9737
RootMSE=.10AdjR-squared=0.9638
Source|PartialSSdfMSFProb>
F
-----------+----------------------------------------------------
Model|2.962499943.9874999898.750.0000
|
a|1.687511.6875168.750.0000
b|.9074999741.90749997490.750.0000
a*b|.3674999671.36749996736.750.0003
Residual|.0800000028.01
Total|3.0424999411.276590904
结果表明:
对于=0.05而言
H10:
没有交互作用并且A药和B药疗效的主效应都没有差异
H11:
有交互作用或A药主效应有差异或B药主效应有差异
FModel=98.75,P值<
0.05,因此认为模型是有效的(或有交互作用或有主效应)。
H20:
没有交互作用
H21:
有交互作用
FA×
B=36.75,P值=0.0003<
0.05,因此A药与B药的疗效有交互作用,并且有统计意义。
H30:
A药没有差异
H31:
A药主效应有差异
FA=168.75,P值<
0.05,A药的主效应有统计意义
H40:
B药没有差异
H41:
B药主效应有差异
FB=90.75,P值<
0.05,B药的主效应也有统计意义。
问题:
模型是什么?
模型:
其中ab是x的总体均数,a称为A因素的主效应,b称为B因素的主效应,()ab称为A因素和B因素对因变量x(观察指标变量)的交互作用。
2.主效应的意义
A药
B药
平均
A主效应
表示
未服用
服用
B主效应
称1和2为A因素的主效应,1和2为B因素的主效应。
并且可以验证:
1+2=0(即:
1=-2)以及1+2=0(1=-2)
若1=2(即1=2=0),则对应A因素的主效应没有作用。
若1=2(即1=2=0),则对应B因素的主效应没有作用。
3.交互作用的意义
11=..+1+1+()11
12=..+1+2+()12
21=..+2+1+()21
22=..+2+2+()22
即:
()11=11-..-1-1()12=12-..-1-2
()21=21-..-2-1()22=22-..-2-2
并且根据.1,.2,1.,2.和..定义,请验证:
()11+()12=0=>
()11=-()12
()11+()21=0=>
()11=-()21
()21+()22=0=>
()22=-()21=()11=-()12
()12+()22=0
若()11=()22=()21=()12=0,则称无交互作用。
否则称A因素和B因素对观察指标构成交互作用。
例如:
若无交互作用
并称为Reduced模型
(称有交互作用的模型
为饱和模型或全模型)
11=..+1+1
12=..+1+2
21=..+2+1
22=..+2+2
如
0.5
(0.65-0.05-0.1)
(0.65-0.05+0.1)
1.=0.6
1.=0.65-0.05
(1=-0.05)
0.6
(0.65+0.05-0.1)
(0.65+0.05+0.1)
2.=0.7
2.=0.65+0.05
(2=0.05)
.1=0.55
.2=0.75
..=0.65
.1=0.65-0.1
(1=-0.1)
.2=0.65+0.1
(2=0.1)
未服用A药时,未服用B药与服用B药均数差值11-12=1-2=21
服用A药时,未服用B药与服用B药均数差值为21-22=1-2=21
B药的疗效与是否服用A药无关,并且B药的疗效正好为B药的主效应的差异
=21
未服用B药时,未服用A药与服用A药均数差值11-21=1-2=21
服用B药时,未服用A药与服用A药均数差值为12-22=1-2=21
A药的疗效与是否服用B药无关,并且A药的疗效正好为A药的主效应的差异
=21。
有交互作用的情况
未服用A药时,未服用B药与服用B药均数差值:
11-12=1-2+()11-()12=21+2()11
服用A药时,未服用B药与服用B药均数差值:
21-22=1-2+()21-()22=21-2()11,因此()11不为0时,未服用B药与服用B药均数差值与是否服用A药有关。
即交互作用。
同理可以验证未服用A药与服用A药均数差值与是否服用B药有关。
如A药
0.4
(.75-.25-.15-.05)
(0.75+.25-.15+.05)
1.=0.75-0.15
(1=-0.15)
(.75-.25+.15+.05)
(.75+.25+.15-.05)
2.=0.9
2.=0.75+0.15
(2=0.15)
.1=0.5
.2=1.0
..=0.75
.1=0.75-0.25
(1=-0.25)
.2=0.75+0.25
(2=0.25)
红色的数值
为交互效应
如果有交互作用,则:
两个药都用的均数>
A药的均数+B药的均数-两个药都未用的均数(本例即:
22>
12+21-11),则称协同作用。
两个药都用的均数<
22<
12+21-11),则称拮抗作用。
在实际统计时,如果检验的结果为有交互作用,只需用相应的样本均数代替总体均数验算一下:
判断协同作用还是拮抗作用。
4.两因素方差分析中的两两比较(简单效应的组间比较Comparisonofsimpleeffectbygroup):
有许多方法可以进行两两比较,这里介绍的LSD方法进行两两比较。
分两个步骤进行。
一、借用单因素方差分析的方法进行方差齐性检验和统计描述:
以pp1中的例1-1为例:
在该研究中有两个因素,每个因素有2个水平:
用和不用,因此共有4种情况,对应有4组,两因素方差分析的两两比较时,可以转化为4组(各个因素的水平数之和)的单因素方差分析。
仍以上述Stata文件结构:
产生分组变量group
gengroup=a+(b-1)*2
对应的关系为:
group
onewayxgroup,tsidak
|Summaryofx
group|MeanStd.Dev.Freq.
------------+------------------------------------
1|.79999999.099999993
2|1.2.099999963
3|1.100000023
4|2.1.100000023
Total|1.275.525919112
AnalysisofVariance
SourceSSdfMSFProb>
------------------------------------------------------------------------
Betweengroups2.962499943.9874999898.750.0000
Withingroups.0800000028.01
Total3.0424999411.276590904
Bartlett'
stestforequalvariances:
chi2(3)=0.0000Prob>
chi2=1.000
结果说明:
各组方差齐性
anovaxgroup
Numberofobs=12R-squared=0.9737
-----------+----------------------------------------------------
group|2.962499943.9874999898.750.0000
4组的总体均数不全相同。
regress
------------------------------------------------------------------------------
xCoef.Std.Err.tP>
|t|[95%Conf.Interval]
_cons2.1.05773536.370.0001.9668632.233137
1-1.3.0816497-15.920.000-1.488284-1.111716
2-.9.0816497-11.020.000-1.088284-.7117155
3-1.1.0816497-13.470.000-1.288284-.9117155
4(dropped)
Coef.表示第4组均数-其他组的均数的差值,如:
第4组均数-第2组均数的差值=-0.9。
P>
|t|表示第4组均数与其他组的均数比较的P值,如第4组均数与第2组均数比较的P值=0.000。
第4组(用A药且用B药)的红细胞增加数均数大于其他3组的红细胞增加数均数,并且差别有统计学意义。
第1至3组的均数比较的检验操作如下:
第i组与第j组比较:
test_b[group[i]]=_b[group[j]]
H0:
i=j
检验命令
F值与P值
1=2
test_b[group[1]]=_b[group[2]]
F(1,8)=24.00
Prob>
F=0.0012
1=3
test_b[group[1]]=_b[group[3]]
F(1,8)=6.00
F=0.0400
2=3
test_b[group[2]]=_b[group[3]]
第2组(不用B药情况下用A药)的红细胞增加数均数大于第1组(不用B药和A药)和第3组(不用A药情况下用B药)的红细胞增加数均数,差别有统计学意义。
第3组(不用A药情况下用B药)的红细胞增加数均数大于第1组(不用B药和A药)的红细胞增加数均数,差别有统计学意义。
判断何种交互作用
组别
第1组
第4组
第2组
第3组
不用B药
用B药
不用A药
用A药
样本均数
1.0
0.8+2.1=2.9>
2.2=1.2+1.0
结合两因素方差分析的结果说明A药和B药的疗效构成协同作用。
结果小结:
A药和B药均能使红细胞增加数提高。
若仅用一个药的情况下,A药优于B药,但用两个药的疗效已经超过单独使用其中一个药的疗效之和(有协同作用)。
二、两因素方差分析的分析策略小结:
1.先做两因素方差分析确定是否有交互作用
a)如果没有交互作用,看主效应的差别是否有统计学意义:
若有统计学意义,考察相应的样本均数,确定哪种情况的均数高。
b)如果有交互作用,则不能分析主效应。
而化为单因素的方差分析(组数为各个因素的水平数之和),作两两比较。
2.在有交互作用的情况下,通过计算样本均数确认交互作用为协同作用还是拮抗作用。