下载文档原格式
R语言学习系列27-方差分析(总21页)--本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--22. 方差分析一、方差分析原理1. 方差分析概述方差分析可用来研究多个分组的均值有无差异，其中分组是按影响因素的不同水平值组合进行划分的。
方差分析是对总变异进行分析。
看总变异是由哪些部分组成的，这些部分间的关系如何。
方差分析，是用来检验两个或两个以上均值间差别显著性（影响观察结果的因素：原因变量（列变量）的个数大于2，或分组变量（行变量）的个数大于1）。
一元时常用F检验（也称一元方差分析），多元时用多元方差分析（最常用Wilks’∧检验）。
方差分析可用于：（1）完全随机设计（单因素）、随机区组设计（双因素）、析因设计、拉丁方设计和正交设计等资料；（2）可对两因素间交互作用差异进行显著性检验；（3）进行方差齐性检验。
要比较几组均值时，理论上抽得的几个样本，都假定来自正态总体，且有一个相同的方差，仅仅均值可以不相同。
还需假定每一个观察值都由若干部分累加而成，也即总的效果可分成若干部分，而每一部分都有一个特定的含义，称之谓效应的可加性。
所谓的方差是离均差平方和除以自由度，在方差分析中常简称为均方（Mean Square）。
2. 基本思想基本思想是，将所有测量值上的总变异按照其变异的来源分解为多个部份，然后进行比较，评价由某种因素所引起的变异是否具有统计学意义。
根据效应的可加性，将总的离均差平方和分解成若干部分，每一部分都与某一种效应相对应，总自由度也被分成相应的各个部分，各部分的离均差平方除以各自的自由度得出各部分的均方，然后列出方差分析表算出F检验值，作出统计推断。
方差分析的关键是总离均差平方和的分解，分解越细致，各部分的含义就越明确，对各种效应的作用就越了解，统计推断就越准确。
效应项与试验设计或统计分析的目的有关，一般有：主效应（包括各种因素），交互影响项（因素间的多级交互影响），协变量（来自回归的变异项），等等。
第10章单因素方差分析单因素方差分析(0ne-Way ANOV A)，又称一维方差分析，它能够对单因素多个独立样本的均数进行比较，可以用10种检验方法对变量间的均数进行两两比较(即多重比较检验)并给出方差分析表，还可以作出5种类型图形(Type of plots)和2种均数图形(Means plot options)10.1 单因素方差分析的计量资料[例10—1] 某社区随机抽取了30名糖尿病患者、IGT异常人和正常人进行载脂蛋白(mg／dL)测定，结果示于表10—1。
试问3组人群的载脂蛋白测定结果含量是否相同？(倪宗瓒．卫生统计学．第4版，北京：人民卫生出版社，2001.50)本例是一个完全随机设计的单因素方差分析。
已建立SAS数据集文件并保存Sasuser.onewav4。
(1)进入SAS／Win(v8)系统，单击Solutions－Analysis－Analyst，得到分析家窗口。
(2)单击File-open By SAS Name—Sasuser-0neway4—0K，调入数据文件。
(3)在“分析家”窗口单击Statistics-ANOV A-One way ANOV A，得到图10—1所示对话框。
本例因变量(Dependent)为A(载脂蛋白)，单击A—Dependent。
自变量(1ndependent)：B(3种人的组别)，单击B—Independent 。
图10.1 0ne—way ANOV A：0neway4(单因素方差分析)对话框(4)单击Tests按钮，得到图10—2所示对话框。
在此对话框的ANOV A(F—检验)选项中可进行如下设置。
Analysis of variance，方差分析。
Welch’s variance-weighted ANOV A，威尔奇方差—权重方差分析。
Tests for equal variance，相等方差检验，即方差齐性检验。
Barlett’s test，巴特尼特检验。
