两因素方差分析ppt课件.ppt

《两因素方差分析ppt课件.ppt》由会员分享，可在线阅读，更多相关《两因素方差分析ppt课件.ppt（41页珍藏版）》请在三一办公上搜索。

1、1,两因素方差分析,赵耐青复旦大学卫生统计教研室,2,两因素方差分析的基本概念,这是两因素设计，其中A因素（A药）为两水平， B因素为三水平。,3,两因素方差分析的基本概念,现以两因素两水平为例，介绍相关的概念,两因素两水平资料本质上是4组独立的资料，可以作为4组资料用单因素方差分析，但这样分析得不到两个因素是否存在交互作用，特别在无交互作用时，用单因素方差分析往往会降低检验效能，但两因素方差分析要求4组样本量相同。,4,两因素方差分析举例,例1：四种疗法治疗缺铁性贫血后红细胞增加数，服用A药，则x11,否则x1=2；服用B药，则x21,否则x2=2,5,两因素方差分析举例,H10:A药和B药

2、无交互作用H11:A药和B药有交互作用H20:A药的主效应均为0H21:A药的主效应不全为0H30:B药的主效应均为0H31:B药的主效应不全为0,6,两因素方差分析举例,两因素方差分析的Stata的数据格式：,7,两因素方差分析举例,两因素方差分析的Stata命令命令 anova y x1 x2 x1*x2其中x1表示A药疗效的主效应，x2表示B药疗效的主效应，x1*x2表示A药与B药对疗效的交互作用,8,两因素方差分析举例,Stata主要输出结果如下,9,两因素方差分析举例,FAB=36.75，P值=0.00030.05，因此A药与B药的疗效有交互作用，并且有统计意义FA=168.75，P

3、值0.05，A药的主效应有统计意义FB=90.75，P值0.05，B药的主效应也有统计意义。,10,两因素方差分析中基本概念,问题：两因素方差分析的模型是什么？ 模型： 其中 ab是Y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Y(观察指标变量)的交互作用。,11,两因素方差分析的基本概念,两因素设计的方差分析模型可以用角模型参数形式或平衡参数形式表述。以下是两因素两水平无交互作用情况下的平衡参数形式的表达式.,效应参数满足,12,两因素方差分析的基本概念,交互效应的意义由参数约束条件得到,13,两因素方差分析的基本概念,两因素方差分析的独立(无

4、约束)参数可以表示为,14,两因素方差分析的基本概念,用B药的情况下，A药用与不用的疗效差异为B药不用的情况下，A药用与不用的疗效差异为用A药的情况下，B药用与不用的疗效差异为B药不用的情况下，A药用与不用的疗效差异为,15,两因素方差分析的基本概念,如果存在交互作用的情况下，A药的疗效受到是否用B药的影响，同样， B药的疗效受到是否用A药的影响A药的主效应是否有差异不能说明用A药和不用A药的效应差异同理，B药的主效应是否有差异不能说明用A药和不用B药的效应差异因此，有交互作用的情况下，分析主效应的检验结果是没有意义的。,16,两因素方差分析的基本概念,特别，当无交互作用时,A药用与不用的疗效

5、差异为B药用与不用的疗效差异为,17,两因素方差分析的基本概念,如果无交互作用的情况下，A药的主效应是否为0对应用A药与不用A药的疗效差异B药的主效应是否为0对应用B药与不用A药的疗效差异,18,两因素方差分析的基本概念,主效应的意义,19,两因素方差分析的统计量,20,两因素方差分析的统计量,变异分解,21,两因素方差分析的统计量,若两个因素各个水平之间的方差齐性，可以证明：下列各个均方差的期望值为,22,两因素方差分析的统计量,由此可以发现：,23,两因素方差分析的统计量,24,两因素方差分析的统计量,25,两因素方差分析的统计量,26,两因素方差分析的基本概念,方差分析模型还可以用角模型

6、表示，以下是两因素两水平有交互作用情况下的角模型参数表达形式,27,两因素方差分析的基本概念,不用B药情况下，用A药与不用A药的疗效差异为。用B药情况下，用A药与不用A药的疗效差异为+（）。 不用A药情况下，用B药与不用B药的疗效差异为。用A药情况下，用B药与不用B药的疗效差异为+（）。,28,两因素方差分析的基本概念,两因素设计的方差分析模型可以用角模型参数形式或平衡参数形式表述。以下是两因素两水平无交互作用情况下的角模型参数表达形式,29,两因素方差分析的基本概念,特别无交互作用情况下，用A药与不用A药的疗效差异均为主效应。用B药与不用B药的疗效差异均为主效应。因此在无交互作用情况下，主效

7、应可以评价A药和B药的疗效,30,两因素方差分析基本概念,可以证明：1）方差分析的平衡模型与角模型的交互作用检验统计量是相同的。2）方差分析模型中没有交互作用项的情况下，两个因素的平衡模型与角模型的主效应检验统计量也是相同的。,31,本例的两因素方差分析,两因素方差分析要求两个因素各个水平之间的方差齐性且每组资料分别服从正态分布并，与此等价的要求为：两个因素各个水平之间的方差齐性且残差服从正态分布。由于本例每组样本量非常小，无法考察每组资料的正态性，故需要检验其残差正态性。方差齐性可以用:leven检验,32,本例的两因素方差分析,借助Stata软件进行方差齐性检验：anova y x1 x2

8、 x1*x2predict e,residual 计算残差gen ee=abs(e) 计算残差的绝对值anova ee x1 x2 x1*x2如果模型的P值0.10，则可以按方差齐性进行下一步统计分析,33,本例的两因素方差分析,以下显示Leven方差齐性检验结果为：模型的P=10.10，故可以按方差齐性进一步统计分析,34,本例的两因素方差分析,残差正态性检验H0:残差服从正态分布H1：残差不服从正态分布检验水准=0.05sktest e (sktest 残差变量名),正态性检验P值=0.13460.05，故按残差正态做进一步分析,35,本例的两因素方差分析,两因素方差分析Stata命令an

9、ova y x1 x2 x1*x2,FAB=36.75P=0.0003推断有交互作用,36,本例的两因素方差分析,借助角模型进一步做简单效应分析（输入Stata命令 reg ),37,本例的两因素方差分析,不用B药的情况下，A药效应的差异的估计值0.4，t=4.90，P0.001，因此可以推断：不用B药的情况下，使用A药可以增加红细胞，并且差异有统计学意义。,38,本例的两因素方差分析,用B药的情况下，用A药与不用A药的差异为+()，其估计值为0.4+0.7=1.1需要检验H0: +()=0， H1: +()0用Stata命令：test _bx11+_bx11*x21=0结果为：F=181.5

10、0P0.0001推断差异有统计学意义，可以认为用B药情况下，用A药可以提高红细胞计数。,39,本例的两因素方差分析,不用A药的情况下， B药效应的差异的估计值0.2，t=2.45，P=0.040.05，差异有统计学意义,因此可以推断：不用A药的情况下，使用B药可以增加红细胞。用A药的情况下， B药效应的差异+()的估计值0.2+0.7=0.9，需要检验+() 是否为0。应用Stata命令test _bx21+_bx11*x21=0,40,本例的两因素方差分析,F=121.50 , P0.001，差异有统计学意义，因此可以推断：用A药的情况下，用B药可以增加可以增加红细胞计数。,41,Thank You,