T检验及单因素方差分析

i ng si n第四章 t 检验和单因素方差分析命令与输出结果说明·单因素方差分析单因素方差分析又称为Oneway ANOVA ,用于比较多组样本的均数是否相同，并假 定：每组的数据服从正态分布,具有相同的方差，且相互独立，则无效假设。

原假设：H 0:各组总体均数相同。

在STATA 中可用命令：oneway 观察变量 分组变量[, means bonferroni]其中子命令bonferroni 是用于多组样本均数的两两比较检验。

例：测定健康男子各年龄组的淋巴细胞转化率(%)，结果见表，问:各组的淋巴细 胞转化率的均数之间的差别有无显著性？健康男子各年龄组淋巴细胞转化率(%)的测定结果:11-20 岁 组：58 61 61 62 63 68 70 70 74 7841-50 岁 组：54 57 57 58 60 60 63 64 6661-75 岁 组：43 52 55 56 60用变量x 表示这些淋巴细胞转化率以及用分组变量group=1，2，3分别表示 11-20岁组，41-50岁组和61-75岁组,即：数据表示为：x 586161626368707074785457group 111111111122x 575860606364664352555660group 222222233333则 用 STATA 命 令：oneway x group, mean bonferroni| Summary of xgroup | Mean ①-------------+------------1 | 66.52 | 59.8888893 | 53.2------+------------Total | 61.25 ②Analysis of VarianceSource SS df MS F Prob > F------------------------------------------------------------------------------- Between groups 616.311111③ 2 ④ 308.155556⑤ 9.77⑥ 0.0010⑦Within groups 662.188889⑧ 21⑨ 31.5328042⑴-------------------------------------------------------------------------------Total 1278.50 23 55.586956（2）Bartlett's test for equal variances:chi2(2) = 2.1977 （3）Prob>chi2=0.333Comparison of x by group(Bonferroni)Row Mean- |Col Mean | 1 2-------------- --|--------------------------------------2 | -6.61111 （4）| 0.054 （5）|3 | -13.3 （6） -6.68889（8）| 0.001 （7） 0.134 （9）①对应三个年龄组的淋巴细胞转化率的均数；②三组合并在一起的总的样本均数；③组间离均差平方和；④组间离均差平方和的自由度；⑤组间均方和(即：⑤=③/④)；⑧组内离均差平方和；⑨组内离均差平方和的自由度；（1）组内均方和(即：（1）=⑧/⑨)；⑥为F 统计值(即为⑤/（1）)；⑦为相应的p值；（2）为方差齐性的Bartlett检验；（3）方差齐性检验相应的p值；（4）第二组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（5）第二和第一组均数差的显著性检验所对应p 值；（6）第三组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（7）第三和第一组均数差的显著性检验所对应的 p 值；（8）第三组的淋巴细胞转化率样本均数—第二组的淋巴细胞转化率的样本均数的差；（9）第三和第二组均数差的显著性检验所对应的p 值。

t检验和方差分析的前提条件及应用误区集团标准化工作小组 #Q8QGGQT-GX8G08Q8-GNQGJ8-MHHGN#t检验和方差分析的前提条件及应用误区用于比较均值的t检验可以分成三类，第一类是针对单组设计定量资料的；第二类是针对配对设计定量资料的；第三类则是针对成组设计定量资料的。

后两种设计类型的区别在于事先是否将两组研究对象按照某一个或几个方面的特征相似配成对子。

无论哪种类型的t检验，都必须在满足特定的前提条件下应用才是合理的。

若是单组设计，必须给出一个标准值或总体均值，同时，提供一组定量的观测结果，应用t检验的前提条件就是该组资料必须服从正态分布；若是配对设计，每对数据的差值必须服从正态分布；若是成组设计，个体之间相互独立，两组资料均取自正态分布的总体，并满足方差齐性。

之所以需要这些前提条件，是因为必须在这样的前提下所计算出的t统计量才服从t分布，而t检验正是以t分布作为其理论依据的检验方法。

值得注意的是，方差分析与成组设计t检验的前提条件是相同的，即正态性和方差齐性。

t检验是目前医学研究中使用频率最高，医学论文中最常见到的处理定量资料的假设检验方法。

t检验得到如此广泛的应用，究其原因，不外乎以下几点：现有的医学期刊多在统计学方面作出了要求，研究结论需要统计学支持；传统的医学统计教学都把t检验作为假设检验的入门方法进行介绍，使之成为广大医学研究人员最熟悉的方法；t检验方法简单，其结果便于解释。

简单、熟悉加上外界的要求，促成了t检验的流行。

但是，由于某些人对该方法理解得不全面，导致在应用过程中出现不少问题，有些甚至是非常严重的错误，直接影响到结论的可靠性。

将这些问题归类，可大致概括为以下两种情况：不考虑t检验的应用前提，对两组的比较一律用t检验；将各种实验设计类型一律视为多个单因素两水平设计，多次用t检验进行均值之间的两两比较。

以上两种情况，均不同程度地增加了得出错误结论的风险。

而且，在实验因素的个数大于等于2时，无法研究实验因素之间的交互作用的大小。

T检验及单因素方差分析T检验是一种用于比较两个样本均值是否具有统计学意义的方法，而单因素方差分析则是一种用于比较三个或更多个样本均值是否具有统计学意义的方法。

本文将详细介绍T检验和单因素方差分析的基本原理、假设条件、计算公式以及实际应用。

一、T检验的基本原理T检验是由英国统计学家威廉·塞吉威德·高斯特及学生威廉·赖斯·格斯特发展而来的。

T检验基于样本均值与总体均值的比较，通过计算差异的标准误差来判断这种差异是否具有统计学意义。

T检验的基本原理是假设样本的均值服从正态分布，通过计算样本均值与总体均值之间的标准差来估计差异的大小。

二、T检验的假设条件T检验的假设条件包括正态分布假设、独立性假设和方差齐性假设。

1.正态分布假设：样本来自正态分布总体或样本容量足够大时，可以近似看作来自正态分布总体。

2.独立性假设：样本之间是相互独立的，即一个样本的观察值与另一个样本的观察值之间没有关联。

3.方差齐性假设：不同样本的方差相等，即总体的方差是相同的。

三、T检验的计算公式T检验的计算公式包括两种情况：独立样本T检验和配对样本T检验。

1.独立样本T检验：适用于两个独立的样本均值比较。

计算公式为：t = (X1 - X2) / se其中，X1和X2分别为两个样本的均值，se为标准误差，t为检验统计量。

2.配对样本T检验：适用于两个相关的样本均值比较。

计算公式为：t=(X1-X2)/(s/√n)其中，X1和X2分别为两个样本的均值，s为差异的标准差，n为样本容量，t为检验统计量。

四、单因素方差分析的基本原理单因素方差分析是用于比较三个或更多个样本均值是否具有统计学意义的方法。

它基于样本之间的差异和样本内的差异，通过计算组间方差和组内方差的比值来判断这种差异是否显著。

单因素方差分析的基本原理是假设总体均值相等，通过计算组间方差和组内方差的比值来检验这一假设。

五、单因素方差分析的假设条件单因素方差分析的假设条件包括正态分布假设、独立性假设和方差齐性假设。

t检验和方差分析的前提条件及应用误区用于比较均值的t检验可以分成三类，第一类是针对单组设计定量资料的；第二类是针对配对设计定量资料的；第三类则是针对成组设计定量资料的。

后两种设计类型的区别在于事先是否将两组研究对象按照某一个或几个方面的特征相似配成对子。

无论哪种类型的t检验，都必须在满足特定的前提条件下应用才是合理的。

若是单组设计，必须给出一个标准值或总体均值，同时，提供一组定量的观测结果，应用t检验的前提条件就是该组资料必须服从正态分布；若是配对设计，每对数据的差值必须服从正态分布；若是成组设计，个体之间相互独立，两组资料均取自正态分布的总体，并满足方差齐性。

之所以需要这些前提条件，是因为必须在这样的前提下所计算出的t统计量才服从t分布，而t检验正是以t分布作为其理论依据的检验方法。

值得注意的是，方差分析与成组设计t检验的前提条件是相同的，即正态性和方差齐性。

t检验是目前医学研究中使用频率最高，医学论文中最常见到的处理定量资料的假设检验方法。

t检验得到如此广泛的应用，究其原因，不外乎以下几点：现有的医学期刊多在统计学方面作出了要求，研究结论需要统计学支持；传统的医学统计教学都把t检验作为假设检验的入门方法进行介绍，使之成为广大医学研究人员最熟悉的方法；t检验方法简单，其结果便于解释。

简单、熟悉加上外界的要求，促成了t检验的流行。

但是，由于某些人对该方法理解得不全面，导致在应用过程中出现不少问题，有些甚至是非常严重的错误，直接影响到结论的可靠性。

将这些问题归类，可大致概括为以下两种情况：不考虑t检验的应用前提，对两组的比较一律用t检验；将各种实验设计类型一律视为多个单因素两水平设计，多次用t检验进行均值之间的两两比较。

以上两种情况，均不同程度地增加了得出错误结论的风险。

而且，在实验因素的个数大于等于2时，无法研究实验因素之间的交互作用的大小。

医学论文中常见的统计方法误用一、等级资料用卡方检验代替秩和检验卡方检验主要用于计数资料的显著性检验。

第四章 t检验和单因素方差分析命令与输出结果说明·单因素方差分析单因素方差分析又称为Oneway ANOVA,用于比较多组样本的均数是否相同，并假定：每组的数据服从正态分布,具有相同的方差，且相互独立，则无效假设。

原假设：H0:各组总体均数相同。

在STATA中可用命令：oneway 观察变量分组变量[, means bonferroni]其中子命令bonferroni是用于多组样本均数的两两比较检验。

例：测定健康男子各年龄组的淋巴细胞转化率(%)，结果见表，问:各组的淋巴细胞转化率的均数之间的差别有无显著性？健康男子各年龄组淋巴细胞转化率(%)的测定结果:11-20 岁组：58 61 61 62 63 68 70 70 74 7841-50 岁组：54 57 57 58 60 60 63 64 6661-75 岁组：43 52 55 56 60用变量x 表示这些淋巴细胞转化率以及用分组变量group=1，2，3分别表示11-20岁组，41-50岁组和61-75岁组,即：数据表示为：x 58 61 61 62 63 68 70 70 74 78 54 57 group 1 1 1 1 1 1 1 1 1 1 2 2x 57 58 60 60 63 64 66 43 52 55 56 60 group 2 2 2 2 2 2 2 3 3 3 3 3则用 STATA 命令：oneway x group, mean bonferroni| Summary of xgroup | Mean ①-------------+------------1 | 66.52 | 59.8888893 | 53.2------+------------Total | 61.25 ②Analysis of VarianceSource SS df MS F Prob > F-------------------------------------------------------------------------------Between groups 616.311111③ 2 ④ 308.155556⑤ 9.77⑥ 0.0010⑦Within groups 662.188889⑧ 21⑨ 31.5328042⑴-------------------------------------------------------------------------------Total 1278.50 23 55.586956（2）Bartlett's test for equal variances:chi2(2) = 2.1977 （3）Prob>chi2=0.333Comparison of x by group(Bonferroni)Row Mean- |Col Mean | 1 2-------------- --|--------------------------------------2 | -6.61111 （4）| 0.054 （5）|3 | -13.3 （6） -6.68889（8）| 0.001 （7） 0.134 （9）①对应三个年龄组的淋巴细胞转化率的均数；②三组合并在一起的总的样本均数；③组间离均差平方和；④组间离均差平方和的自由度；⑤组间均方和(即：⑤=③/④)；⑧组内离均差平方和；⑨组内离均差平方和的自由度；（1）组内均方和(即：（1）=⑧/⑨)；⑥为F 统计值(即为⑤/（1）)；⑦为相应的p值；（2）为方差齐性的Bartlett检验；（3）方差齐性检验相应的p值；（4）第二组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（5）第二和第一组均数差的显著性检验所对应p 值；（6）第三组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（7）第三和第一组均数差的显著性检验所对应的 p 值；（8）第三组的淋巴细胞转化率样本均数—第二组的淋巴细胞转化率的样本均数的差；（9）第三和第二组均数差的显著性检验所对应的p 值。

第四章 t检验和单因素方差分析命令与输出结果说明·单因素方差分析单因素方差分析又称为Oneway ANOVA,用于比较多组样本的均数是否相同，并假定：每组的数据服从正态分布,具有相同的方差，且相互独立，则无效假设。

原假设：H0:各组总体均数相同。

在STATA中可用命令：oneway 观察变量分组变量[, means bonferroni]其中子命令bonferroni是用于多组样本均数的两两比较检验。

例：测定健康男子各年龄组的淋巴细胞转化率(%)，结果见表，问:各组的淋巴细胞转化率的均数之间的差别有无显著性？健康男子各年龄组淋巴细胞转化率(%)的测定结果:11-20 岁组：58 61 61 62 63 68 70 70 74 7841-50 岁组：54 57 57 58 60 60 63 64 6661-75 岁组：43 52 55 56 60用变量x 表示这些淋巴细胞转化率以及用分组变量group=1，2，3分别表示11-20岁组，41-50岁组和61-75岁组,即：数据表示为：x 58 61 61 62 63 68 70 70 74 78 54 57 group 1 1 1 1 1 1 1 1 1 1 2 2x 57 58 60 60 63 64 66 43 52 55 56 60 group 2 2 2 2 2 2 2 3 3 3 3 3则用 STATA 命令：oneway x group, mean bonferroni| Summary of xgroup | Mean ①-------------+------------1 | 66.52 | 59.8888893 | 53.2------+------------Total | 61.25 ②Analysis of VarianceSource SS df MS F Prob > F-------------------------------------------------------------------------------Between groups 616.311111③ 2 ④ 308.155556⑤ 9.77⑥ 0.0010⑦Within groups 662.188889⑧ 21⑨ 31.5328042⑴-------------------------------------------------------------------------------Total 1278.50 23 55.586956（2）Bartlett's test for equal variances:chi2(2) = 2.1977 （3）Prob>chi2=0.333Comparison of x by group(Bonferroni)Row Mean- |Col Mean | 1 2-------------- --|--------------------------------------2 | -6.61111 （4）| 0.054 （5）|3 | -13.3 （6） -6.68889（8）| 0.001 （7） 0.134 （9）①对应三个年龄组的淋巴细胞转化率的均数；②三组合并在一起的总的样本均数；③组间离均差平方和；④组间离均差平方和的自由度；⑤组间均方和(即：⑤=③/④)；⑧组内离均差平方和；⑨组内离均差平方和的自由度；（1）组内均方和(即：（1）=⑧/⑨)；⑥为F 统计值(即为⑤/（1）)；⑦为相应的p值；（2）为方差齐性的Bartlett检验；（3）方差齐性检验相应的p值；（4）第二组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（5）第二和第一组均数差的显著性检验所对应p 值；（6）第三组的淋巴细胞转化率样本均数—第一组的淋巴细胞转化率的样本均数的差；（7）第三和第一组均数差的显著性检验所对应的 p 值；（8）第三组的淋巴细胞转化率样本均数—第二组的淋巴细胞转化率的样本均数的差；（9）第三和第二组均数差的显著性检验所对应的p 值。