②不满足方差齐性条件(EqualVariancesNotAssumed)有4种两两比较方法。
图7-9例7-1SNK法多重比较结果
7.2随机区组设计资料的方差分析
随机区组设计又称为配伍组试验设计,就是按处理和配伍两个因素各水平构成的所有试验方案进行试验,并且每个方案仅作一次试验的两因素无重复试验设计。
由于无重复试验每一个试验方案只有一个数据,因此在方差分析时只能对因素的主效应进行分析,而不能分析因素间的交互效应。
随机区组设计资料可使用一般线性模型(GeneralLinearModels)过程中单因变量分析(Univariate)模块来进行方差分析,由于只能分析因素的主效应,在分析模型(Model)的对话框中,只能选择因素的主效应(Maineffects)。
例7-2为控制年龄因素对治愈某病所需时间的影响,采用配伍组试验设计,选定5个年龄区组,每组3个病人,随机分配到3个治疗组(中西医结合、中医、西医),治愈所需天数如表7-2,分析三种疗法治愈该病所需时间是否相等?
不同年龄治愈天数的总体均数是否相等?
表7-2三种疗法治愈某病所需时间(天)
中西医结合
中医
西医
20以下
7
9
10
20~
8
9
10
30~
9
9
12
40~
10
9
12
50及以上
11
12
14
解处理因素疗法有3水平,配伍因素年龄有5水平。
处理组H0:
μ1=μ2=μ3,即不同疗法治愈天数的总体均数全相等;配伍组H0:
μ1=μ2=μ3=μ4=μ5,即不同年龄治愈天数的总体均数全相等。
建立3列15行的数据文件,如图7-10,其中疗法值标签:
1=“中西医结合”、2=“中医”、3=“西医”,年龄值标签:
1=“20以下”、2=“20~”、3=“30~”、4=“40~”、5=“50以上”。
图7-10例7-2数据文件图7-11Univariate主对话框
选择菜单Analyze→GeneralLinearModels→Univariate(单因变量多因素方差分析),弹出Univariate主对话框,如图7-11;将变量治愈天数送入因变量Dependent框(只能选择一个因变量),将疗法、年龄都选入FixedFactor(s)(固定因素)框。
单击Model按钮,弹出Model(定义模型)对话框,选择Custom;在左边Factors&Covariates框中选中年龄,将其送入右边Model框中,再选中疗法,也选入Model框中,如图7-12;单击Continue,返回Univariate主对话框。
图7-12Model对话框
单击PostHoc按钮,弹出如图7-13所示的多重比较对话框。
将左边Factor框中的疗法、年龄选入右边的PostHocTestsfor框中,选择LSD,单击Continue,返回Univariate主对话框。
单击Options按钮,弹出Options选项对话框,如图7-14,将疗法、年龄选入右边的DisplayMeansfor框;选中Comparemaineffects;选中Descriptivestatistics;单击Continue,返回Univariate主对话框。
单击OK,完成随机区组设计的方差分析。
主要输出结果如图7-15和图7-16。
方差分析检验结果见图7-15,CorrectedModel(校正模型)的F=16.718,单侧P=0.000<0.01,所选模型有统计学意义,可以用来判断模型中因素的统计学意义;年龄的F=14.385,P=0.001<0.01,拒绝对配伍组的假设H0:
μ1=μ2=μ3=μ4=μ5,可以认为不同年龄治愈天数的总体均数不全相等,故认为配伍因素年龄是治愈天数的影响因素;疗法的F=21.385,P=0.001<0.01,拒绝对处理组的假设H0:
μ1=μ2=μ3,可以认为不同疗法治愈天数的总体均数不全相等。
疗法的多重比较输出结果见表7-16,中西医结合与中医比较P=0.188,中西医结合与西医比较P=0.000,中医与西医比较P=0.001。
按α=0.05水准不能认为中西医结合与中医疗法治愈天数不同,而可认为中医与中西医结合都较西医治愈天数少。
同样分析年龄的多重比较输出结果,此略。
图7-13多重比较对话框图7-14Options选项对话框
图7-15例7-2方差分析结果
图7-16例7-2多重比较结果
7.3拉丁方试验设计资料的方差分析
将r个拉丁字母排成r行r列的方阵,使每行每列中的每个字母均只出现一次,称为r阶拉丁方。
拉丁方设计是三因素实验设计,设计中要求三因素的水平数相等,分析的目的是判断各个因素不同水平间总体均数是否完全相等,即分析各因素的主效应是否有统计意义。
拉丁方设计是配伍设计的扩展,其分析的操作过程与配伍试验设计资料的方差分析没有太大的差异。
例7-3研究A、B、C、D四种食品,以及甲、乙、丙、丁四种加工方法对白鼠增加体重的影响。
用四窝大鼠,每窝四只,每只鼠随机喂养一种食品、随机采用一种加工方法;八周后观察大鼠增加体重的情况。
试验数据如表7-3所示。
问:
食品种类是否影响大鼠体重增加?
食品加工方法是否影响大鼠体重增加?
不同窝别的大鼠体重增加是否相同?
表7-3四种食品及四种加工方法喂养大鼠所增体重(g)
区组号(窝别)
甲
乙
丙
丁
1
80(D)
70(B)
51(C)
48(A)
2
47(A)
75(C)
78(D)
45(B)
3
48(B)
80(D)
47(A)
52(C)
4
46(C)
81(A)
49(B)
77(D)
解这是拉丁方设计资料。
假设为
,
,
。
建立4列16行的的数据文件,如图7-17,方法值标签:
1=“甲”、2=“乙”、3=“丙”、4=“丁”,食品值标签:
1=“A”,2=“B”,3=“C”,4=“D”。
选择菜单Analyze→GeneralLinearModels→Univariate,在弹出的Univariate主对话框中,将增重送入Dependentvariable框,将窝别、方法、食品都送入FixedFactor(s)框。
单击Model按钮,在弹出的Model对话框,选择Custom,将左边框中的窝别、方法、食品逐个送入右边Model框中,单击Continue,返回Univariate主对话框。
图7-17例7-3数据文件图7-18例7-3方差分析结果
单击PostHoc按钮,在弹出的对话框,将左边框中的窝别、方法、食品送入右边的PostHocTestsfor框中,选择SNK,单击Continue,返回Univariate主对话框。
单击OK,完成拉丁方设计的方差分析。
主要输出结果见图7-18。
Model检验的F=5.952,P=0.021,模型有统计学意义。
对区组(窝别):
F=0.563,P=0.659>0.05,不能拒绝H0,无统计学意义,不能认为不同窝别可以影响大鼠体重增加;对加工方法:
F=7.442,P=0.019<0.05,按=0.05水准拒绝H0,有统计学意义,可以认为不同食品加工方法可以影响大鼠体重增加;对食品种类:
F=9.850,P=0.010<0.05,按=0.05水准拒绝H0,有统计学意义,可以认为不同食品种类能够影响大鼠体重增加。
由食品种类的SNK多重比较,服用A、B、C三种食品大鼠体重增加的总体均数之间的差异无统计学意义,且与服用D食品大鼠体重增加的总体均数之间的差异均有统计学意义。
可以认为,服用D食品大鼠体重增加的总体均数高于其余三组。
7.4交叉设计资料的方差分析
最简单的交叉设计是两阶段交叉设计,将A、B两种处理先后施加于同一批试验对象,随机地使半数受试者在第一阶段接受A处理,在第二阶段接受B处理,而另外一半受试者恰恰相反,先接受B处理后接受A处理。
当然也可以有多个试验阶段。
两阶段交叉设计资料使用三因素无重复试验的方差分析法,将变异来源分为处理间、阶段间、个体间与误差四部分,可以分析处理间、阶段间和个体间的主效应。
分析的操作过程与配伍试验设计资料的方差分析没有太大的差异
例7-4为比较某中药(A)与胃泌素(B)对巴氏小胃盐酸分泌量(mol/h)的影响,用12只小狗进行两个阶段交叉设计,清洗期为两天,试验结果见表7-4,试进行方差分析。
表7-412只小狗交叉设计试验巴氏小胃盐酸分泌量
小狗编号
1
2
3
4
5
6
7
8
9
10
11
12
第一阶段
药物
A
B
B
A
B
A
A
A
A
B
B
B
结果(mol/h)
18
26
23
33
14
24
28
31
8
8
17
10
清洗期两天
第二阶段
药物
B
A
A
B
A
B
B
B
B
A
A
A
结果(mol/h)
13
26
21
28
27
20
12
20
13
11
14
11
图7-19例7-4数据文件
解H药物0:
μA=μB,H小狗0:
μ1=μ2=…=μ12,H阶段0:
μI=μII。
数据文件如图7-19,药物值标签为:
1=“中药”,2=“胃泌素”。
选择菜单Analyze→GeneralLinearModels→Univariate,在弹出的Univariate主对话框中,将分泌量送入Dependent框,将狗号、阶段、药物都送入FixedFactor(s)框。
单击Model按钮,在弹出的对话框中,选择Custom,将左边框中的狗号、阶段、药物逐个送入右边Model框中,单击Continue,返回Univariate主对话框,单击OK,完成交叉试验设计的方差分析。
在方差分析输出结果中,模型的F=4.132,P=0.015,所选模型有统计学意义。
狗号的F=4.364,P=0.014<0.05,按=0.05水准拒绝H0,有统计学意义,可以认为个体间的巴氏小胃盐酸分泌量差异有统计学意义。
阶段的F=1.143,P=0.310>0.05,不能拒绝H0,不能认为第一、二阶段对巴氏小胃盐酸分泌量的影响不同。
药物的F=4.571,P=0.058>0.05,不能拒绝H0,不能认为某中药与胃泌素对巴氏小胃盐酸分泌量的影响不同。
7.5析因设计资料的方差分析
析因设计是一种将多因素多水平全部交叉组合,进行有重复的全面试验的设计方法。
分析中将总变异分解为各因素、各因素间的交互作用和误差,分析各因素的主效应和因素间的交互效应,探索对试验结果产生影响的原因。
析因设计资料可使用GeneralLinearModels过程中Univariate模块来进行方差分析,由于析因设计可以分析因素的主效应和交互效应,在分析模型(Model)的对话框中,可以选择因素的主效应和交互效应,也可以采用默认的全因素(Fullfactorial)分析模型。
例7-5某中医院用中药复方治疗高胆固醇症,将12例高胆固醇病人随机分为4组治疗:
第一组用一般疗法;第二组在一般疗法外加A药;第三组用一般疗法外加B药;第四组在一般疗法外加A药和B药。
一个月后观察胆固醇降低量(mg%),试验数据见表7-5。
检验A、B药是否有降胆固醇作用;两药有无交互作用?
表7-512例病人胆固醇降低量
使用A药
不用A药
使用B药
16
25
18
56
44
42
不用B药
28
31
23
64
78
80
解A、B两药各分为使用和不用两个水平,为2×2析因设计。
H0:
药A没有疗效,H0:
药B没有疗效,H0:
药A、药B两药无交互作用。
建立3列12行的数据文件,如图7-20,药A、药B的值标签:
0=“不用”、1=“使用”。
图7-20例7-5数据文件图7-21例7-5方差分析结果
选择菜单Analyze→GeneralLinearModels→Univariate,在弹出的Univariate主对话框中,将胆固醇送入Dependent框,将药A、药B都送入FixedFactor(s)框。
单击Model按钮,在弹出的对话框中,选择Custom,在左边框中,选中药A,送入右边Model框中,选中药B,送入右边Model框中,再将药A和药B都选中,送入右边Model框中,右边框中将出现药A和药B的交互作用:
药A*药B;或直接选择Fullfactorial。
单击Continue,返回Univariate主对话框。
单击OK,完成析因设计的方差分析。
主要输出结果见表7-21,模型CorrectedModel检验:
F=41.077、P=0.000<0.05,有统计学意义。
A药F=96.374,P=0.000,B药统计量F=20.560,P=0.002,P值均<0.05,可认为两种药物单独用时降胆固醇的作用均有统计学意义;A与B交互作用的F=6.297,P=0.036<0.05,两药同用时交互作用有统计学意义。
本例是2×2析因设计,A、B都是2水平,所以无需作多重比较,如果是3水平或更多,还需要作多重比较。
7.6正交试验设计资料的方差分析
正交试验设计就是以正交表为工具安排试验方案,是研究和处理多因素多水平试验效率较高的一种试验设计方法。
方差分析的目的是:
①分析因素的主次;②确定因素各水平的优劣;③选择交互作用的最佳搭配;④预测最佳试验方案。
正交试验设计资料可分为无重复试验资料和有重复试验资料。
例7-6研究雌螺产卵的最优条件,在20cm2的泥盒里饲养同龄雌螺10只,试验条件有4个因素见表7-6,每个因素有2个水平,考虑温度A与含氧量B对雌螺产卵的交互作用。
选用L8(27)正交表进行试验设计,表头设计和试验结果见表7-7。
试进行方差分析。
表7-6雌螺产卵条件的因素与水平
水平
A因素
温度(℃)
B因素
含氧量(%)
C因素
含水量(%)
D因素
PH值
1
5
0.5
10
6.0
2
25
5.0
30
8.0
表7-7雌螺产卵条件的正交试验方案及试验结果
试验号
1
A
2
B
3
AB
4
C
5
6
7
D
产卵
数量
1
1
1
1
1
1
1
1
86
2
1
1
1
2
2
2
2
95
3
1
2
2
1
1
2
2
91
4
1
2
2
2
2
1
1
94
5
2
1
2
1
2
1
2
91
6
2
1
2
2
1
2
1
96
7
2
2
1
1
2
2
1
83
8
2
2
1
2
1
1
2
88
解以a、b、c、d、x为变量名,将表7-7中1、2、4、7和产卵数量这5列的数据建立成5列8行的数据文件,如图7-22。
图7-22例7-6数据文件图7-23例7-6方差分析结果
选择菜单Analyze→GeneralLinearModels→Univariate,在弹出的Univariate主对话框中,将x送入Dependent框,将a、b、c、d都送入FixedFactor(s)框。
单击Model按钮,在弹出的对话框中,选择Custom,将左边框中的a、b、c、d逐个送入右边Model框中,再将左边框中的a和b都选中,送入右边Model框中,右边框中将出现a和b的交互作用:
a*b;单击Continue,返回Univariate主对话框。
单击Options按钮,弹出Options选项对话框,将a、b、c、d和a*b选入右边的DisplayMeansfor框,选中Descriptivestatistics,单击Continue,返回Univariate主对话框。
单击OK,完成正交试验设计的方差分析。
主要输出结果见图7-23至图7-25。
图7-24因素C各水平均数图7-25A和B各水平组合均数
由图7-23得,因素C:
F=24.200、P=0.039<0.05,因素A×B:
F=20.000、P