t检验与单因素方差分析PPT.ppt

几何均数比较的直接计算公式： 数据转换 数据转换(data conversion)是将数据从一种表现形式变为另一种表现形式的过程，目的都是为了使数据符合统计检验方法的应用条件。常用的数据转换方法如下： 1.对数变换(Iogarithmic transformation)将原始数据变量 x 的对数值作为新的分析变量，适用于对数正态分布资料。常用于：①使服从对数正态分布的资料正态化。②使资料达到方差齐性要求，特别是各样本的变异系数比较接近时。③使曲线直线化。 X1=lg10(x) 2.平方根变换 将原始数据变量 x 的平方根作为新的分析变量。常用于：①轻度偏态资料正态化。②观察值服从Poisson分布的计数资料。当各样本的方差与均数呈正相关时，均数大，方差也大，用此变换可使资料达到方差齐的要求。 X1=SQRT(x) 3.平方根反正弦变换 X1=SQRT(Arsin(x)) 4.倒数变换 X1=1/x 【例6】某中医研究类风湿关节炎的治疗，62 例类风湿关节炎患者随机分组，分别采用中成药风湿寒痛片和西药治疗，测得患者血清 EBV-VCA-lgG抗体滴度结果见下表，比较两组疗效有无差别? SPSS软件操作 第一步：建立“抗体滴度的倒数”、“人数”、“组别”三个变量 第二步：将相关数据依次录入SPSS，形成16行3列的数据集。 第三步：数据转换：转换→计算变量。 目标变量：抗体滴度倒数对数； 数字表达式：LG10(抗体滴度倒数) 第四步：频数加权：数据→加权个案。 频率变量：人数 第五步：选择分析→比较均值→独立样本T检验 第六步：在独立样本T检验对话框中，检验变量处移入抗体滴度倒数对数。 第七步：定义组别。在组1和组2处输入1和2。 第八步：点确定后产生结果，结果解读。 结果解读1 N：组1、组2的样本例数分别为30、32例； 均值：组1、组2的均值分别为1.8730、1.9972； 标准差：组1、组2的标准差分别为0.56095、0.58451； 均值的标准误：组1、组2的标准误分别为0.10242、0.10333。 结果解读2 方差齐性检验 F=0.283，p=0.597，p0.05 t检验结果选第一行（假设方差相等） 结果解读3 t：统计量t=-0.852； Sig（双侧）：p值=0.397，p0.05； 均值差值：两个均数的差值=-0.12417； 差值的95%CI：-0.41558~0.16723。 t检验 样本均数与总体均数比较的t检验 配对设计资料比较的t检验 两独立样本均数比较的t检验 方差分析 完全随机设计的单因素方差分析 多个样本均数间的多重比较 方差分析的基本思想 方差分析的基本思想就是把全部观察值间的变异——总变异按设计和需要分解成两个组成部分，再作分析。 结果解读1 N：总的样本例数=10 均值：算术平均数=6.6720 标准差：标准差=2.32515 均值的标准误：标准误=0.73528 结果解读2 t：统计量t=2.434 Sig（双侧）：p值=0.038 均值差值：两个均数的差值=1.79 差值的95%CI：0.1267~3.4533 4.882 6.672 0 0.1267 3.4533 1.79 【例2】一般大学男生的平均脉搏值为75次/分钟，标准差为7.5次/分钟，某研究小组对某高校经常参加体育锻炼的男生随机抽取100名，测得其平均脉搏为68次/分。问：该校经常参加体育锻炼的男生心率是否与一般大学男生的不同? μ与1.96、2.58比较:μ1.96，p0.05; μ2.58，p0.01; μ1.96，p0.05。 t检验 样本均数与总体均数比较的t检验 配对设计资料比较的t检验 两独立样本均数比较的t检验 方差分析 完全随机设计的单因素方差分析 多个样本均数间的多重比较 在医学研究中，为了减少误差，提高统计检验效率，控制非实验因素对结果的影响，常常采用配对设计的方法。配对设计，是指先根据配对的要求将试验对象两两配对，然后将配成对子的两个试验对象随机地分配到不同处理组中。 配对的要求是，配成对子的两个试验对象条件尽量一致，不同对子间试验对象的条件允许有差异。 配对设计主要有两种情况： 1、同体配对研究：①处理前后配对研究。 ②同体左右配对研究。 2、异体配对研究：①动物：种系、性别、胎次相同，体重±10%。②人群：种族、性别、病种相同，病情或并发症相似，年龄±5岁。 配对t检验的公式： 【例3】为了验证肾上腺素有无降低呼吸道阻力的作用，用豚鼠12只进行支气管灌流法实验，在注入定量肾上腺素前后，测得豚鼠支气管功能反映在仪器上的灌流速度(每分钟灌流滴数)，结果见下表 。问：肾上腺素