2完全随机、配对设计与分析-马骏版-吕.ppt

完全随机设计与分析 配对设计与分析 实验设计的方法很多，选择合适的设计方法既可以节省资源又能获得可靠结果。 共同点：处理因素只有一个 不同点：对非处理因素的控制不同。 本节课重点介绍 学习目的 掌握完全随机设计、配对设计的概念； 熟悉完全随机设计、配对设计的设计步骤； 熟悉完全随机设计、配对设计的特点； 熟悉完全随机设计、配对设计实验结果分析方法。 完全随机设计与分析 一、完全随机设计 概念: 完全随机设计（completely random design)：将受试对象完全随机地分配到各个处理组中，施加处理因素并观察处理效应。 不考虑和控制受试对象个体差异的影响，仅考虑一个处理因素，属于单因素设计方法。处理因素可以是两个或者多个水平。 完全随机设计步骤 例 1: 将18名乙脑患者分为甲、乙、丙三组，分别给予A、B、C三种退烧药物治疗，比较退热时间。应如何设计？ 随机数字表 设计步骤： 1.先将全部患者按某种标志编号，本例按就诊顺序编号。 若分两组、四组如何分？ 随机分组时应注意问题 随机数字的产生和选取： 产生：通过随机数字表；通过Excel软件RAND( )函数产生，因为取值在[0，1]之间，通常用100* RAND( )的整数部分作为随机数字。 选取原则： 1.随机数的位数不应小于样本含量的位数。 2.查得的随机数如果出现重号，应舍弃。 随机分组时应注意问题 各组处理组例数不等情况： 如果实验需要例数不相等，可以利用R调整例数，但一般尽量相等，因为相等时检验效率高。 样本含量较大时： n较大时候，可以采用分段随机化方法实现随机分组。 如：120例，可以分成4个阶段进行，每个阶段进行30个实验单位的随机分组。 Proc plan seed output out =a; factor period=4 subjects=30; Run; Data b; set a; no=_N_; if subjects=10 then treat=“A”; else if subjects=20 then treat=“B”; else treat=“C”; Run; Proc print data=a; var no treat; Run; 二、优缺点（特点） 1、实验单位应该具有较好的同质性： 若同质性不好，则需要较多的样本含量。 2、只分析一个因素： 小样本时候，抽样误差有时较大。检验效率不如配对、配伍设计。 3.设计组数可以是两组，也可以是多组； 各处理组例数可相等、也可不等，当各组相等时所需总例数少。 二、优缺点（特点） 优点：设计容易，处理数与重复数不受限 制，适用于研究对象差异较小的实验。 统计分析简便易行，应用广泛（t检验，方差分 析，非参检验等）； 缺点：非处理因素没有进行控制，被归入实验误差，检验效能偏低。 三、实验结果分析 计量资料（定量资料） （1） 正态分布，且方差齐----ANOVA 和t检验；无法控制基线指标时候，可以将基线指标作为协变量，进行协方差分析。 （2）不满足正态分布和/或方差齐时： 完全随机设计的秩和检验，或者对数据进行转换后采有ANOVA 和t检验。 三、实验结果分析 等级资料 采用秩和检验 计数资料（定性资料） 卡方检验 三、实验结果分析 例 2:为探讨硫酸氧钒对糖尿病性白内障的防治作用，研究人员将已诱导糖尿病模型的20只大鼠随机分为两组。一组用硫酸氧钒治疗（DV组），另一组作对照观察（D组），12周后测大鼠血糖含量。结果为， DV组12只，样本均数为6.5mmol/L,标准差为1.34mmol/L; D组8只，样本均数为13.7mmol/L，标准差为4.21mmol/L。试问两组动物血糖含量的总体均数是否相同？ 例3 某医生为研究一种降糖新药的疗效，以统一的标准选择了60名Ⅱ型糖尿病患者，按完全随机设计方案将患者分为三组进行双盲临床试验。其中，降糖新药高剂量组21人、低剂量组19人、对照组20人。对照组服用公认的降糖药物，治疗4周后测得其餐后2小时血糖的下降值(mmol/L)，结果如表9-1所示。问治疗4周后，餐后2小时血糖下降值的三组总体平均水平是否不同？ SAS 统计