两因素方差分析.docx
《两因素方差分析.docx》由会员分享,可在线阅读,更多相关《两因素方差分析.docx(11页珍藏版)》请在冰豆网上搜索。
两因素方差分析
两因素方差分析
「、两因素方差分析中的基本概念
1.例1-1(pp1):
四种疗法治疗缺铁性贫血后红细胞增加数
服用A药,则A=2,否则A=1;服用B药,则B=2,否则B=1
疗法
X
总体均数
A
B
疗法1(般疗法)
0.8,0.9,0.7
片1
1
1
疗法2(般疗法+A药)
1.3,1.2,1.1
亠21
2
1
疗法3(般疗法+B药)
0.9,1.1,1.0
亠12
1
2
疗法4(般疗法+A药+B药)
2.1,2.2,2.0
»22
2
2
两因素Stata数据输入格式
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
He:
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
Faxb=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:
%」.*a」(Jab
其中Jab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,(厂)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主效应
平均
平均二=Tl」21_=亠12■"22_=Tl.」12.」21.」22均.12.22
B主效应」
称r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:
-:
冷+-:
=0(即:
®=—-:
込)以及'1+'2=0(1=—2)若〉1=〉2(即〉1=〉2=0),贝S对应A因素的主效应没有作用。
若:
1=2(即M=-2=0),则对应B因素的主效应没有作用。
3.交互作用的意义
B药A主效应
A药—
未服用服用表示
未服用屯“=丛.+叫+B1+(邙)“片2=4.+°^+32+(邛)仁%二比+牛
B主效应
并且根据巧,屯.2,41,山2和生定义,请验证:
=>C:
)22=—(-)21=(:
:
)11=—C:
)12
(:
:
)12+(:
-)22=0
若G■)11=G-)22=C:
)21=G-)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
模型:
巴厂卩+/+Pb并称为Reduced模型
(称有交互作用的模型%=卩+叭+%+(川人为饱和模型或全模型)
B药A主效应
A药-
未服用服用表示
未服用
比1=4.+5+01
卩12=4..+Ct1+卩2
巴=4+«1
1...1
服用
亠21=卩..+^2+卩1
卩22=»..+°2+卩2
巴=卩+ao
2...2
B主效应
卩1=卩+优
巴二卩+打
卩2=0.65+0.05服用出=0.7
(0.65+0.05—0.1)(0.65+0.05+0.1)©2=0.05)
平均
^.1=0.55
4.2=0.75卩.=0.65
B主效应
卩1=0.65-0.1
(m=—0.1)
—=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^1—-12—1—2=2j服用A药时,未服用B药与服用B药均数差值为^1—-22=11—12=2「即:
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药的主效应的差异已-卩2=^-駡=2打
未服用B药时,未服用A药与服用A药均数差值^1—-21—1—■2=21服用B药时,未服用A药与服用A药均数差值为^2—122—1—2=21即:
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药的主效应的差异叫-巴尸%-02=25。
有交互作用的情况
B药A主效应
A药—
未服用服用表示
未服用>11=卩..+。
1+卩1+(M)11卩12=卩..+°^1+P2+(aB)12%=»..*“1
B主效应〜「1".2二J.<-2J
未服用A药时,未服用B药与服用B药均数差值:
-11—-12=-1—:
2+C川)11—C川)12=2:
l+2C川)11
服用A药时,未服用B药与服用B药均数差值:
J21—-22='1—'2+(:
川)21—(:
川)22=2:
1—2(:
•川)“,因此C川)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。
即交互作用。
如A药
B药
平均
A主效应表示
未服用
服用
未服用
0.4
(.75-.25-.15-.05)
0.8
(0.75+.25-.15+.05)
%=0.6
已=0.75—0.15(5=—0.15)
服用
0.6
(.75-.25+.15+.05)
1.2
(.75+.25+.15-.05)
匕=0.9
电=0.75+0.15(口2=0.15)
平均
#1=0.5
T.0
卩=0.75
B主效应
^1=0.75-0.25
(打二—0.25)
卩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,贝心
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:
%2^l12+l21—111),则称协同作用。
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:
J22^l12+l21—111),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二a+(b-1)*2
对应的关系为:
A
B
group
1
1
1
2
1
2
1
2
3
2
2
4
onewayxgroup,tsidak
|Summaryofx
group|MeanStd.Dev.
Freq.
+
1|.79999999.09999999
3
2|1.2.09999996
3
3|1.10000002
3
4|2.1.100000023
+
Total|1.275.525919112
AnalysisofVarianee
SourceSSdfMSFProb>F
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
RootMSE=.10AdjR-squared=0.9638
Source|
丄
PartialSS
df
MSF
Prob>F
Model|
I
2.96249994
3
.98749998
98.75
0.0000
1
group|
1
2.96249994
3
.98749998
98.75
0.0000
|
Residual|
.080000002
8
.01
+
Total|3.0424999411.276590904
4组的总体均数不全相同regress
x
Coef.
Std.Err.t
P>|t|
[95%Conf.Interval]
_cons
2.1.057735
36.37
0.000
1.966863
2.233137
group
1
-1.3.0816497-
-15.92
0.000-
-1.488284
-1.111716
2
-.9
.0816497-11.02
0.000-
■1.088284-.7117155
3
-1.1.0816497-
-13.47
0.000-
-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。
即:
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]]
H。
:
4i=»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
卩1=卩3
test_b[group[1]]=_b[group[3]]
F(1,8)=6.00
Prob>F=0.0400
卩2=卩3
test_b[group[2]]=_b[group[3]]
F(1,8)=6.00
Prob>F=0.0400
结果说明:
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B药
用B药
不用A药
用A药
用A药
不用A药
样本均数
0.8
2.1
1.2
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