14.实验设计方案课件.pptVIP

样本均数与总体均数（或配对）比较 析因设计_概念 单独效应(simple effect):是指其它因素水平固定在一个水平时，某一因素不同水平之间均数的差别。 主效应(main effect)：某一因素各个水平间的平均差别。 交互作用:各因素所产生的效应之间的相互影响情况，如两因素间存在交互作用，表示他们不是独立的，随着一个因素的改变，另一个因素的效应也改变 假设检验方法： 对于计量资料，析因试验的结果可用方差分析进行假设检验，推断处理因素作用及交互作用。 析因设计 析因设计 析因设计 结论: A、B两因素各水平间差别有统计学意义，P均小于0.0001， A、B间有交互作用，从A1B1（0.8）、A1B2(1.0)、A2B1(1.2)、A2B2(2.1)各自均值的关系可知：A、B间有协同作用。 析因设计 重复测量设计 例：为研究Nm23H1基因AN：对肝癌细胞SMMC-7721增殖和转移的影响，将4~6周龄雌性裸鼠10只随机等分为两组。一组接种蛋白高表达细胞克隆AN2，另一组未转染细胞SMMC-7721作对照，测定癌细胞计数，以光密度吸收值A595nm来反映，试分析转移基因AN2是否对肝癌细胞有抑制作用。 重复测量设计 重复测量设计 显著特点: 同一实验单位(如人、动物、实验室样品)的某一观察指标在不同的场合(最常见的场合是时间)多次被反复观测。 按重复测量设计进行实验而获得的数据被称为重复测量数据(repeated measures data)，如果重复测量的场合是几个不同的时间点，则重复测量数据又称为追踪数据或纵向数据(longitudinal data)，医学科研中经常遇到的便是这种重复测量数据。 重复测量设计_概念 随机化分组方法： ①按处理分组因素将N个受试对象随机(等)分为g个处理组(g≥2)； ②每个受试对象按重复测量因素的水平变化固定顺序重复测量t次(t≥2)。 重复测量设计_实验设计方法 * * 介绍内容 完全随机设计 配对设计 配伍组设计 析因设计 重复测量设计 完全随机设计 完全随机设计—概念 完全随机设计(completely random design) 亦称单因素设计。将受试对象随机分到各处理组中进行实验观察。 它适用于两个或两个以上样本的比较。各组间样本量可相等，也可不相等。样本相等时统计分析效率较高。 例1 将12头动物随机分配到A、B两组。 1、先将12头动物编号为1、2……12号。然后在随机数字表内任意确定一个起始点和方向连续取12个随机数字，并依次抄录于动物编号下。 2、本例从随机数字表第6行第19、20列起向下读取12个随机数字，取两位随机数字。 3、将随机数字从小到大顺序排列后得序号R，并规定R=1～6者为A组，R=7～12者为B组。 完全随机设计—随机分组 完全随机设计—随机分组 例2 将15头动物随机分成三组。 将动物编号如1、2……15号，然后在随机数字表内从某行某列起向某方向读取15个随机数字，取两位随机数字，依次抄录于动物编号下。 将随机数字从小到大顺序排列后得序号R。 规定R=1～5者为A组，R=6～10者为B组，R=11～15者为C组。 完全随机设计—随机分组 本例从第5行第17、18列起向下读取15个随机数字 完全随机设计—随机分组 随机分组应注意 ： 1、随机数的位数不应小于N的位数； 2、若科研上需要各组例数不等可利用序号（R）调整各组例数。如在例2中要求A组6例，B组5例，C组4例，可规定R=1～6者为A组，R=7～11者为B组，R=12～15者为C组。 完全随机设计—随机分组 统计假设检验方法 计量资料：t检验、方差分析或秩和检验等。 计数资料：卡方检验等 完全随机设计 优缺点： 优点：设计及统计分析简单， 缺点：试验效率不高，只能分析单因素。 完全随机设计 配对设计 将受试对象按某些特征或条件配成对子，然后分别把每对中的两个受试对象随机分配到试验组和对照组，再给予每对中的个体以不同处理，连续试验若干对，观察对子间的差别有无意义。 配对设计(paired design)—概念 配对设计(paired design)—概念 配对的特征或条件： 动物实验：常以种属、品系、性别相同，年龄、 体重相近的两只动物配成对子； 临床疗效观察常将病种、病型、族别、性别相同，年龄相差不超过2—3岁，生活习惯、工作环境等相似的病人配成对子； 进行配对设计时应注意不要“配对过头”。 例如，研究高血压与钠盐摄入量的关系，如果将高血压患者与非高血压患者按饮食习惯配对后比较钠盐