生物统计学 第六章 方差分析

鱼的增重有非常 p=0.0438<0.05，有显 著差异；A1与A2间 显著的差异。
p=0.0041<0.01，有非 常显著的差异。
6.3 单因素方差分析
字母法表示的多重比较比较简洁。首先根据均值由大到小将A因 素的4个水平从上而下排列，均值排在第二列，第三列是5%显 著水平，用小写字母a、b、c等表示各因素之间的差异。第四列 是1%的显著水平，用大写字母A、B、C等表示。在5%或1%的 水平上，无论哪两个水平比较，只要看到有相同字母，就是无 显著差异，只有完全不同的字母，才是有显著差异。如在5%显 著水平，A1的“a”与A4的“b”，是完全不同的字母，就表示A1 与A4之间有显著差异；而在1%的极显著水平，A1的“A”与A4 的“AB”，由于含有相同字母“A”，就表示两者没有极显著的 差异；而A1的“A”与A2的“B”，就表示两者间有极显著的差异。
318
268 273 290
284
279 249 245
359
262 258 286
6.3 单因素方差分析
① DPS
输入数据并选择数据，点击菜单试验统计→完全随 机设计→单因素试验统计分析：
6.3 单因素方差分析
① DPS
弹出对话框，数据转换方式默认为不转换，不修改； 多重比较方式默认为Tukey法，修改为LSD法；各个处 理名称选择第一列：
如果试验中的因素既包括固定效应，又包括随机效应， 则试验需要用混合模型来处理。例如，为了推断全国 6~7岁男孩的身高发育是否平衡，从所有省（市、自治 区）中随机选取5个省，每个省又分为城市与农村两类， 各抽取30例数据进行分析。其中城市与农村2个水平组 成的地区因素是固定因素，而省份的5个水平是通过抽 样确定的，是随机因素。该实验资料就要用混合模型 来处理。
6.1 方差分析的相关术语
本例的试验涉及两个因素，称为二因素试验，试 验共有2×3=6个水平组合，即6个处理。每个马氏珠 母贝就是一个试验单位，每个地区每个品种养殖1000 个，1000称为重复。
这里因素A的2个水平三亚品系与印度品系是固定的， 特意选择的，因素B的3个养殖海区也是特意选择的， 我们在处理时要用固定模型来处理，得到的结论仅仅 适用试验所涉及的2个品系与3个海区。比如马氏珠母 贝在流沙港、徐闻、大亚湾都有养殖，但我们不能拿 流沙港的养殖结果说明徐闻与大亚湾的养殖情况。
第六章 方差分析
方差分析主要用途：
①均数差别的显著性检验
②分离各有关因素并估计其对总变异的作 用 ③分析因素间的交互作用
④方差齐性检验。在科学实验中常常要探 讨不同实验条件或处理方法对实验结果的 影响。
第六章 方差分析
通常是比较不同实验条件下样本均值 间的差异。 例如医学界研究几种药物对某种疾病 的疗效；农业研究土壤、肥料、日照时间 等因素对某种农作物产量的影响；不同化 学药剂对作物害虫的杀虫效果等，都可以 使用方差分析方法去解决。
xij i ij
它是方差分析的基础。
6.2 方差分析的原理
方差分析的基本原理是认为不同处理组的均数间 的差别基本来源有两个： (1) 随机误差，如测量误差造成的差异或个体间的差 异，称为组内差异，用变量在各组的均值与该组内变 量值之偏差平方和的总和表示，记作 SS e ，组内自由度 df e 。 (2) 实验条件，即不同的处理造成的差异，称为组间 差异。用变量在各组的均值与总均值之偏差平方和表 示，记作 SSt ，组间自由度 df t 。 总偏差平方和 SST SSt SSe 。
6.4.1 事先计划好的几对均数间的比较
适用于证实性研究。在设计时就设定了要比较的 组别, 其他组别间不必作比较。常用的方法有：Dunnett 检验、LSD检验。这两种方法不管方差分析的结果如 何——即便对于P稍大于检验水准，也可进行所关心组 别间的比较。
6.4.1 事先计划好的几对均数间的比较
6.1 方差分析的相关术语
研究马氏珠母贝三亚、印度品系在不同地区的生 长差异，选择同一批繁殖的两品系马氏珠母贝的稚贝， 分别在海南黎安港、广东流沙港、广西防城港三个海 区进行养殖，每个地区每个品系养殖1000个，1年后 测定马氏珠母贝壳高与总重，比较生长差异。 这里壳高与总重称为试验指标，在试验中常会测定 日增重、产仔数、产奶量、产蛋率、瘦肉率、某些生 理生化和体型指标(如血糖含量、体高、体重)等，这些 都是试验指标，就是我们需要测量的数据。
第六章 方差分析
对于样本平均数的假设检验，u检验 或t检验可以对样本平均数与总体平均数的 差异及两个样本平均数间的差异进行检验。 在实际研究中，常常需要对三个及三个以 上的样本平均数进行比较，此时如果仍用u 检验或t检验进行两两比较，就会出现检验 繁琐、误差估计的精确性与检验的灵敏性 降低等问题。使用方差分析就可以避免这 些问题。
6.2 方差分析的原理
如果计算结果的组间均方远远大于组内均方 MSt MS e， F>F0.05(dft，dfe)，p<0.05，拒绝零假设，说明样本来自 不同的正态总体，说明处理造成均值的差异有统计意
义；
否则, F<F0.05(,)，p>0.05，接受零假设，说明样本来自 相同的正态总体，处理间无差异。
6.4.1 事先计划好的几对均数间的比较
（1）LSD法
例如，在一个单因素4水平试验中，共有A1、A2、A3、 A4这4个处理，设计时已确定只是A1与A2、A3与 A4(或1与3、2与4；或1与4、2与3)比较，而其它的处 理间不进行比较。由于该方法本质思想与t检验相同， 所以只适用于两个相互独立的样本均数的比较。LSD 法单次比较的检验水准仍为α，因此可以认为该方法是 最为灵敏的两两比较方法。
6.2 方差分析的原理
方差分析是建立在一定的线性可加模型的基础上 的。所谓线性可加模型是指总体每一个变量可按其变 异的原因分解成若干个线性组成部分，每一次观察值 都包含了总体平均数、因素主效应、随机误差三部分， 这些组成部分必须以叠加的方式综合起来，即每一个 观察值都可视为这些组成部分的累加和，即：
6.4 均值间的两两比较
对完全随机设计多组平均水平进行比较时，当资料满 足正态性和方差齐性，就可以尝试方差分析，若得到 P>α的结果，不拒绝零假设，认为各组样本来自均数相 等的总体，即不同的处理产生的效应居于同一水平， 分析到此结束; 若方差分析结果P≤α，则拒绝零假设， 接受备择假设，认为各处理组的总体均数不等或不全 相等，即各个处理组中至少有两组的总体均数居于不 同水平。这是一个概括性的结论，研究者往往希望进 一步了解具体是哪两组的总体均数居于不同水平，哪 两组的总体均数相等，这就需要进一步作两两比较来 考察各个组别之间的差别。
（3）SNK检验
SNK（Student-Newman-Keuls ）检验也称为q检验法。
（4）Tukey法
原理与SNK检验基本相同，该方法要求各比较组样本含量相 同。这种方法比LSD法有更高的检验效能，具有很好的稳定性， 适用于大多数场合下的两两比较，计算简便。但是，Tukey法是 基于比较组全部参与比较这一假设下进行的，因此在只比较指 定的某几组总体均数时并不适用，建议选择Dunnett法或者是 Bonferroni方法，因为这两种方法会给出较高效能的检验结果。 如果各组样本含量不等，需要用修正的Tukey法（Tukey-Kramer 法），功效高于Bonferroni法、Sidak法或Scheffe法。
6.1 方差分析的相关术语
有时候，因素的水平不是常量，而是由随机因素 引起，例如，将引进的美国黑核桃在全国随机选择8个 不同纬度种植，观察其在不同地理条件下的适应情况， 由于各地气候、土壤肥度等都是无法人为控制的，属 于随机因素，就需要用随机模型来处理，试验结论可 以推广到随机因素的所有水平。
6.1 方差分析的相关术语
6.3 单因素方差分析
例6.1 某水产研究所比较四种不同配方的饲料对鱼的饲 养效果，选择了条件相同的鱼20尾，随机分成四组， 投喂不同饲料，1个月后，各组鱼的增重（g）资料见 下表，试进行方差分析。
饲料 重复1 重复2 重复3 重复4 重复5
A1
A2 A3 A4
319
248 221 270
279
257 236 308
6.4.1 事先计划好的几对均数间的比较
（2）Dunnett法
该法适用于k个处理组与一个对照组的均数差异比较。 默认的对照组是最后一组。适用于n-1个试验组与一个 对照组均数差别的多重比较，多用于证实性研究。
检验时可以选择双侧或单侧检验。要检验实验组的 均值是否不等于控制组的均值，就使用双侧检验。要 检验实验组的均值是否小于控制组的均值，就选择“< 控制”。类似地，要检验实验组的均值是否大于控制 组的均值，请选择“>控制”。
6.4 均值间的两两比较
均数间的两两比较根据研究设计的不同分为两种类型： 一种常见于探索性研究，在研究设计阶段并不明确哪 些组别之间的对比是更为关注的，也不明确哪些组别 间的关系已有定论、无需再探究，经方差分析结果提 示“概括而言各组均数不相同”后，对每一对样本均 数都进行比较，从中寻找有统计学意义的差异；另一 种是在设计阶段根据研究目的或专业知识所决定的某 些均数间的比较，常见于证实性研究中多个处理组与 对照组、施加处理后的不同时间点与处理前比较。最 初的设计方案不同，对应选择的检验方法也不同，下 面分述两种不同设计均数两两比较的方法选择。
（1）LSD法
该法是最小显著差数（Least significant difference） 法的简称，是Fisher 1935年提出的，多用于检验某一对 或某几对在专业上有特殊探索价值的均数间的两两比 较，并且在多组均数的方差分析没有推翻无效假设H0 时也可以应用。该方法实质上就是t检验，检验水准无 需作任何修正，只是在标准误的计算上充分利用了样 本信息，为所有的均数统一估计出一个更为稳健的标 准误，因此它一般用于事先就已经明确所要实施对比 的具体组别的多重比较。