两样本进行t检验举例方差齐性检验.pptVIP

成组设计两样本均数的比较 内容 成组设计 成组设计：可以是实验性研究中的随机分组，也可以是观察性研究中的不同人群随机抽样。 在实验性研究中，将受试对象随机分成二组或更多组，每个受试对象均有相同的机会进入其中的任何一组。 成组设计 成组设计 成组设计 成组设计 在观察性研究中，按不同人群进行随机抽样，得到二个或二个以上的独立样本。 完全随机分组和按不同人群抽样所得到的样本均为独立样本资料。 两个独立样本平均水平的比较 两个独立样本平均水平的比较可以是两样本t检验，也可以两样本秩和检验。考虑到检验效能的原因，一般采用下列统计分析策略： 如果满足每组资料近似呈正态分布（或大样本）并且方差齐性，则可用两样本t检验； 如果满足每组资料近似呈正态分布（或大样本）但方差不齐，则可用两样本t’检验； 否则可以用两样本的Wilcoxon秩和检验 两样本进行t检验举例 例4.7 下面资料是关于18名单腿截肢者的健康足和18名正常健康人的足部相同部位组织切片毛细血管密度(/mm2)的测定结果，试比较健康人和截肢者足部毛细血管密度有无差别？ 正常人 16 30 29 33 28 28 36 29 27 33 37 38 40 41 39 39 39 48 截肢者 10 21 28 28 26 20 33 26 15 23 23 30 31 26 23 42 24 28 两样本进行t检验举例 首选t检验，但要求每组资料服从正态分布，方差齐性。 因此首先考虑的对每组资料进行正态性检验(?=0.05) H0：资料服从正态分布 H1：资料服从偏态分布 借助Stata软件进行正态性检验， 正常组：资料正态性检验的P=0.2980 截肢组：资料正态性检验的P=0.2429 均不能否认两组资料分别近似正态分布。 两样本进行t检验举例 方差齐性检验 (?=0.10) H0：两组对应的总体方差相等 H1：两组对应的总体方差不相等 方差齐性检验统计量 两样本进行t检验举例 可以证明：当两个总体方差齐性时，统计量F靠近1附近，服从自由度分别为n1-1，n2-1的F分布，反之，如果两个总体方差不等时，F值增大。故可以上述统计量检验方差齐性的问题。 F=1.094， 查表可知：P0.1，故方差齐性。 两样本进行t检验举例 两样本 t 检验，其假设一般为： H0：μ1=μ2，即两样本来自的总体均数相等， H1：μ1?μ2，即两样本来自的总体均数不相等， 检验水准为0.05。 两样本进行t检验举例 两样本t检验统计量 两样本进行t检验举例 两样本标准误 与H0是否为真无关 是两个总体均数之差的点估计，因此当 H0： μ1=μ2成立时， 在大多数情况下非常小或较小，故t检验统计量较小或比较小。 反之，当H1：μ1?μ2，在大多数情况下 较大或很大，所以t检验统计量比较大或很大。 两样本进行t检验举例 可以证明：当H0为真时，t检验统计量服从自由度为n1+n2-2的t分布。故当t检验统计量|t|t0.05/2,n1+n2-2，则这是一个小概率事件，一次随机抽样一般不会出现的，故有理由怀疑H0非真所致，可以拒绝H0。 本例t=3.5872临界值t0.05/2,n1+n2-2。 故可以拒绝H0，基于95%CI，可以推断正常人的毛细血管密度高于截肢者。 t检验条件 t检验的应用条件和注意事项 两个小样本均数比较的t检验有以下应用条件： 1.两样本来自的总体均符合正态分布， 2.两样本来自的总体方差齐性。 3.在进行两小样本均数比较的t检验之前，要用方差齐性检验来推断两样本代表的总体方差是否相等，方差齐性检验的方法使用F检验。 F检验原理是看较大样本方差与较小样本方差的商是否接近“1”。若接近“1”，则可认为两样本代表的总体方差齐。判断两样本来自的总体是否符合正态分布，可用正态性检验的方法。 对于方差不齐的情况 如果每组资料服从正态分布，但方差不齐，则可以用t’检验 t’检验 但要根据方差不齐的严重程度调整自由度（见教材），其它与t检验相同。 不满足t检验条件的两样本比较 不满足t检验条件，可以用 Two-sample Wilcoxon rank sum test（秩和检验）亦称 Mann-Whitney two-sample test 要求两组资料是独立的！ Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyri