第九章 配伍区组设计资料的统计分析的Stata实现.docx

1、第九章 配伍区组设计资料的统计分析的Stata实现第九章 配伍区组设计资料的统计分析的Stata实现配对t检验ttest 变量1变量2配伍区组设计的方差分析anova 应变量 处理分组变量 区组变量方差分析的残差计算在anova命令执行后，执行下列命令predict 变量名,residual配伍区组设计的Friedman检验friedman 区组1 区组b（见Stata7附加程序）例91 某研究者用某药物治疗高血压患者10名，治疗前后舒张压的变化情况见表91。表91 10名患者用某药物治疗后的舒张压测定值（mmHg）患者编号（1）治疗前（2）治疗后（3）差值（4）（3）（2）123456789

2、10115110129109110116116116120104116901088992901101208896-1202122 18266- 4328Stata数据为：x1x211151162110903129108410989511092611690711611081161209120881010496Stata命令为：ttest x1= x2结果为：Paired t test-Variable | Obs Mean Std. Err. Std. Dev. 95% Conf. Interval-+- x1 | 10 114.5 2.181997 6.900081 109.564 119.4

3、36 x2 | 10 99.9 3.894298 12.31485 91.09049 108.7095-+- diff | 10 14.6 3.727376 11.787 6.168089 23.03191- Ho: mean(x1 - x2) = mean(diff) = 0 Ha: mean(diff) 0 t = 3.9170 t = 3.9170 t = 3.9170 P |t| = 0.0035 P t = 0.0018P=0.0035，治疗前后舒张压有差别，治疗后下降。例92 某研究者对8名冻疮患者足部的两个冻疮部位（两个部位冻疮程度非常接近）用两种不同药物治疗，分别观测两个冻疮部

4、位的痊愈时间，结果见表92。表92 两种方法测定患者冻疮痊愈时间时间（天）结果受试者编号（1）药物1（2）药物2（3）差值（4）（3）（2）181242109-1369344128576-161010078113810111Stata数据为：x1x2181221093694412576610107811810111. 建立检验假设，确定检验水准 ，两种药物治疗的冻疮痊愈平均时间相同 ，两种药物治疗的冻疮痊愈平均时间不同 Stata命令为：ttest x1= x2结果为：Paired t test-Variable | Obs Mean Std. Err. Std. Dev. 95% Conf.

5、 Interval-+- x1 | 8 7.875 . 2.167124 6.063239 9.686761 x2 | 8 10 . 2 8.327958 11.67204-+- diff | 8 -2.125 1.076328 3.044316 -4.670111 .- mean(diff) = mean(x1 - x2) t = -1.9743 Ho: mean(diff) = 0 degrees of freedom = 7 Ha: mean(diff) 0 Pr(T |t|) = 0.0889 Pr(T t) = 0.9555=1.9743，则 P 0.0889，在水平上不拒绝，差值的

6、样本均数与已知总体均数的比较，差异无统计学意义，故尚不能认为该两种药物治疗的冻疮痊愈平均时间不同。例93 为了解不同治疗方法对高胆固醇血症的疗效，根据专业要求，在采取相关清洗或洗脱措施，保证相邻两次疗效不受影响的前提下，某研究者用3种不同方法对9只受试动物进行实验，其血浆胆固醇测定值（mmol/L）见表93。表93 3种治疗方法的血浆胆固醇测定结果（mmol/L）动物编号甲方法乙方法丙方法12345678910.10 6.7813.22 7.78 7.47 6.11 6.02 8.08 7.56 6.69 5.4012.67 6.56 5.65 5.26 5.43 6.26 5.067.746

7、.8310.957.20 6.855.885.79 7.876.45Stata数据为：bgx1110.1216.783113.22417.78517.47616.11716.02818.08917.56126.69225.43212.67426.56525.65625.26725.43826.26925.06137.74236.833310.95437.2536.85635.88735.79837.87936.45Stata命令为：anova x g b结果为： Number of obs = 27 R-squared = 0.9378 Root MSE = .672582 Adj R-squ

8、ared = 0.8988 Source | Partial SS df MS F Prob F -+- Model | 109.037328 10 10. 24.10 0.0000 | g | 11. 2 5. 12.30 0.0006 b | 97. 8 12. 27.06 0.0000 | Residual | 7. 16 . -+- Total | 116.275188 26 4. P=0.0006，3种不同方法得到的血浆胆固醇测定值（mmol/L）不全相同。例94 将30只小白鼠按体重、性别、窝别、活泼性分成10个区组，每个区组的3只小白鼠随机分配到3个实验组，分别以不同蛋白质饲料进

9、行喂养，60天后测量小白鼠的体重增加量（g），数据如表94。表94 三种饲料喂养30只小白鼠的体重增加量（g）区 组饲 料12345678910304041413648334537323344625244414955534877687681847875737472Stata数据为：bgx1130214031414141513661487133814591371013212332244326242525244624172498255925310248137723683376438153846378737583739374103721. 建立检验假设，确定检验水准针对处理组 H0：三种不同饲料喂养

10、的小白鼠体重平均增加量相同 H1：三种不同饲料喂养的小白鼠体重平均增加量不同或不全相同针对区组H0：对于任何一种饲料喂养，10个区组的小白鼠平均体重增加量相同H1：对于任何一种饲料喂养，10个区组的小白鼠平均体重增加量不同或不全相同Stata命令为：anova x g b结果为： Number of obs = 30 R-squared = 0.9250 Root MSE = 6.00339 Adj R-squared = 0.8791 Source | Partial SS df MS F Prob F -+- Model | 7997.13333 11 727.012121 20.17 0

11、.0000 g | 7565.26667 2 3782.63333 104.95 0.0000 b | 431.866667 9 47. 1.33 0.2884 Residual | 648.733333 18 36. -+- Total | 8645.86667 29 298.133333 则P处理0.05，表96中P值为统计软件计算后直接给出的数值。可以说明，对于处理效应，按水准，拒绝H0，可认为三种不同饲料喂养的小白鼠平均体重增加量不同或不全相同或至少有两个总体均数不同；对于区组，按水准，不拒绝H0，还不能认为10个区组小白鼠的平均体重增加量不同或不全相同。例96 某研究者采用1：1配对

12、方法将16例肝炎患者分别分在两种不同治疗方法组，测定其血中GPT含量（iu/L），资料如表96第（2）、（3）栏，问：用不同方法治疗的患者GPT含量有无差别？ 表96 不同治疗方法的肝炎患者血中GPT含量（iu/L）对子号（1）方法1（2）方法2（3）差值（4）（2）（3）秩次（5）12345678112 84 30 171032333112438753062263069797490-4577203-384561-3.557-23.5Stata数据为：x1x2111238284753303041762510326623330731698124791. 建立检验假设，确定检验水准 ，差值的总体中

13、位数为0 ，差值的总体中位数不为0 Stata命令为：signrank x1= x2结果为：Wilcoxon signed-rank test sign | obs sum ranks expected-+- positive | 5 27.5 17.5 negative | 2 7.5 17.5 zero | 1 1 1-+- all | 8 36 36unadjusted variance 51.00adjustment for ties -0.13adjustment for zeros -0.25 -adjusted variance 50.63Ho: x1 = x2 z = 1.40

14、5 Prob |z| = 0.1599，所以没有足够证据可以拒绝H0例98 某研究者欲了解不同受试者的血滤液在不同放置时间的血糖浓度，测定了8名正常人，将每位受试者的血滤液分成4份，然后随机地把它们放置0，45，90，135分钟，测定其血糖浓度，结果见表911。表911 不同放置时间的血滤液所含血液浓度（mg %）受试者编号放置时间（分）0459013512345678 95（3.5）95（4）106（4）98（4）102（4）112（3.5）105（4）95（4） 95（3.5） 94（3）105（3） 87（1） 98（3） 112（3.5）103（3） 92（3） 89（2） 88（2）

15、 97（2） 95（3） 97（2）101（2） 97（2） 90（2）83（1）81（1）90（1）90（2）88（1）94（1）88（1）80（1）Ri3123179Stata数据为：bgx1195219531106419851102611127110581951295229432105428752986211272103829213892388339743955397631017397839014832481349044905488649474888480具体分析步骤如下：1. 建立检验假设，确定检验水准 H0：四个总体分布相同 H1：四个总体分布不同或不全相同swilk x if g=

16、1 对0时间资料进行正态性检验 Shapiro-Wilk W test for normal data Variable | Obs W V z Probz-+- x | 8 0.93432 0.915 -0.141 0.55620swilk x if g=2 对45分钟时的资料进行正态性检验Shapiro-Wilk W test for normal data Variable | Obs W V z Probz-+- x | 8 0.97525 0.345 -1.520 0.93570swilk x if g=3 对90分钟时的资料进行正态性检验Shapiro-Wilk W test fo

17、r normal data Variable | Obs W V z Probz-+- x | 8 0.87083 1.799 1.021 0.15358swilk x if g=4 对135分钟时的资料进行正态性检验Shapiro-Wilk W test for normal data Variable | Obs W V z Probz-+- x | 8 0.91711 1.155 0.236 0.40682各组正态性检验的P值分别均大于，所以可以按正态分布资料进行统计分析。但是，对上面的数据进行方差齐性检验。anova x g b两因素方差分析predict e,residual将残差保

18、存为egen ee=abs(e)求e的绝对值，村为eeanova ee g b检验残差是否齐性得到： Number of obs = 32 R-squared = 0.6684 Root MSE = 1.24825 Adj R-squared = 0.5105 Source | Partial SS df MS F Prob F -+- Model | 65. 10 6. 4.23 0.0026 | g | 15. 3 5. 3.32 0.0395 b | 50. 7 7. 4.62 0.0029 | Residual | 32. 21 1. -+- Total | 98. 31 3. 可见组间方差不齐，需要用非参数方法。数据格式如下：x1x2x3x4x5x6x7x8959510698102112105959594105879811210392898897959710197908381909088948880Stata程序为：friedman x1- x8非参数检验得到的结果为：Friedman = 19.5000Kendall = 0.8125P-value = 0.0002Friedman检验p=0.0002，说明4个时间的血糖浓度不全相同。