双变项统计分析(一).ppt

生物統計與SAS軟體課程教學(三)雙變項統計分析(一) 台大衛生政策與管理研究所 江宜珍 2005.1.29 課程宗旨 瞭解一組、兩組或多組母群體或樣本間，等距變項(或等比變項)的統計檢定方法 即「類別變項」vs.「等距變項(或等比變項)」的雙變項統計分析方法 此次課程所提及的雙變項統計方法，均假設此等距變項(或等比變項)呈“常態分佈”，且均為“母數分析”(而非“無母數分析”) 統計方法 Z-test vs. t-test 若已知母群體的標準差，則使用Z-test Z值：某組樣本的平均值，距離母群體平均值幾個母群體標準差 通常母群體的標準差都是未知的，所以會以樣本的標準差去推估母群體的標準差，則會使用t-test t值：某組樣本的平均值，距離母群體平均值(另一樣本平均值)幾個樣本標準差 t分佈會受自由度(n-1)影響，若樣本數越大，則t分佈越接近Z分佈，在n＞120時，t與Z幾乎一樣 單尾檢定 vs. 雙尾檢定 p-value vs. α-value p : 意指“Ho成立的機率或可能性”α: 意指“能接受Ho成立的機率或可能性的最 低底線”，即為檢視標準 通常會設α ＝ 0.05 (即5%) 若p＜α ，即p＜0.05，則拒絕Ho (即推翻虛無假設) 若太難達到顯著差異，或此研究可採較為不保守的檢視標準，則可設α ＝0.10，即10%) 若太容易達到顯著差異，或此研究需採較為保守的檢視標準，則可設α ＝0.01，即1%) Z分佈 對於標準差的假設 若樣本來自同一母群體，則應假設其標準差相同 若樣本來自不同母群體，則應假設其標準差不同 兩組相依樣本 意指兩組樣本的個體是有關聯的 常用Paired t-test分析的情況 同一個人的兩個部位，可以一個做實驗組、一個做對照組(或稱控制組) 同一個人，先做A測試，過一段時間再做B測試，比較兩種方法有無差異 同卵雙胞胎，隨機分派一個做實驗組、一個做對照組 以“前測→實驗→後測”的方法，對同一人進行調查，比較前後測值有無改變 因果假設 此類方法通常有因果假設 即存在自變項和依變項的關係 類別變項(組別)為因、等距變項(或等比變項)為果 但有時也會有例外，若只是想要比較兩組人的某變項平均值，也可以是“等距變項(或等比變項) 為因、類別變項(組別)為果” Ex.欲比較有無罹患肺癌病人的血壓平均值是否有差異 點估計 vs. 區間估計 在呈現分析結果時，通常會給予“點估計”及“區間估計”兩種數值，供讀者參考 平均值、 μ 1、 μ 1－μ2 等數值均為點估計值 95%信賴區間 (95% Confidence Interval簡稱95% C.I.) 意指我們有95%的信心或可能性，所求得的點估計值會落在此範圍內 Ex. Ho: μ 1＝μ2 ，若μ 1－μ2 的95% C.I. 值包含 “0”，則表示Ho: μ 1＝μ2 的假設有可能成立 結果呈現方式 ANOVA1 變異數分析，即Analysis of Variance的縮寫 N-way ANOVA N：共有幾個類別變項(ex. 欲檢視性別、種族) 本堂課所指的雙變項分析，則指“One-way ANOVA”，即一個類別變項(且為多組別) vs. 等距變項(或等比變項) 與Z-test、t-test之異同 目的均為比較以一個類別變項分組之等距變項平均值的差異 前兩者以“平均數”進行分析；ANOVA則為透過“變異數”分析來檢定各組平均值是否有差異 ANOVA2 Ho: μ 1＝μ2 ＝μ 3＝μ4H1: 至少有2組以上的母群體平均值不相等 Assumption：各組變異數相等，因此在進行ANOVA時，需先檢定各組的變異數是否相等(F-test) ANOVA3 總變異量的分解 (TSS=WSS+BSS) WSS(組內差異、組內變異量，Within Sum of Square) 各組內每個個體值與該組平均值差別的平方和 自由度= n-k，k為組別個數 BSS(組間差異、組間變異量，Between Sum of Square) 各組平均值與總平均值差別的平方和 自由度= k-1 TSS(總變異量，Total Sum of Square) 各組內每個個體值與總平均值差別的平方和 自由度= n-1 =(n-k)+(k-1) ANOVA4 F-test F=MBSS/MWSS MBSS=BSS/(k-1) (組間平均變異數，Mean Between Sum of Square) MWSS=WSS/(n-k) (組內平均變異數，Mean Within Sum of Square) 若組間差異＞組內差異，且p＜0.05，則表示各組的平均值有顯著差異 事後檢定 因為ANOVA檢定只能知道各組的平均值是否有差異，即只要有任兩組的平均值有差異就