北京大学医学部spsst检验与方差分析课件.ppt

SPSS软件入门（三） SPSS软件中的T检验和方差分析介绍 例：药物临床实验 新研制出一种治疗高血脂的药物，设计其临床实验。 分别选两组高血脂病人，一组用新药，另一组不用药，过一段时间后分别测两组病人的血脂（X）。 经检验两组μ相等，则药物无效。 经检验两组μ不相等，用药人群的血脂低于不用药人群，则药物有效。 μ1≠?μ2 一、假设检验概述 假设检验基本思想：首先假设两样本来自同一总体，通过计算估计这一假设成立的可能性大还是小。若这一假设成立是小概率事件则认为假设不成立，两样本来自不同总体；若是大概率事件，两样本来自同一总体。 假设μ1=μ2 计算P（即假设成立的概率） P0.05 假设成立 P0.05 假设不成立 假设检验基本步骤 建立假设 确定显著性水平 计算统计量 判断概率值P 作出统计学推论 T检验和方差分析都是用于均数比较的假设检验方法 对均数的假设检验要求数据服从正态分布 Compare Means 两个均数的比较——T检验 多个均数的比较——方差分析 独立样本和配对样本T检验的数据库比较 分组变量 测量结果变量，包括两个组测量结果数值 独立样本T检验 配对样本T检验 一组测量结果 二组测量结果 SPSS过程：Compare Means 单一样本T检验 One-Sample T Test 两个独立样本T检验 Independent-Samples T Test 配对样本T检验 Paired-Samples T Test 单一样本T检验 例：已知成年男性的平均脉搏是72次/分，某研究在山区随机调查抽取了25名成年男性，其脉博测量值见数据t1，山区成年男性的脉搏与一般人是否相同？ One-Sample T Test 检验变量 总体均数 H0：山区成年男性的脉搏与一般人相同 H1：山区成年男性的脉搏与一般人不同 输出结果 样本的基本指标 统计量值与p值 P0.05，拒绝H0，山区成年男性的脉搏与一般人不同 例：病例组和对照组的平板运动时间（数据t2） 两独立样本T检验 检验变量 分组变量 需比较的组 如果分组变量是数值变量，可用Cut point分组 输出结果： 两样本的统计描述 方差齐性检验及T检验 方差齐性检验 方差齐时看第一行结果，方差不齐时看第二行结果 方差齐性检验 H0： σ12 =σ22 H1： σ12≠ σ22 α=0.10（方差齐性检验的显著性水准通常要高一些） F=0.137，P=0.716 P0.1 ，方差齐。 H0： μ1= μ2 H1： μ1≠μ2 α=0.05 t=1.873，P=0.080。 P0.05，不拒绝H0，尚不能认为两总体均数不相等，不能认为病人与健康人平板时间不同。 T检验 配对T检验 例：某研究者欲研究控制饮食是否对高血脂病人有疗效，对18名高血脂病人控制饮食一年，观察这18名病人控制饮食前后血清胆固醇的变化，数据见t3，控制饮食对降血脂是否有效？ 配对数据 输出结果 配对数据的统计描述 差值的统计描述 t检验结果 H0： μd= 0 H1： μd≠0 α=0.05 检验过程 P0.05，不拒绝H0，差别无显著性，不能认为控制饮食对高血脂病人有疗效。 t=0.214，p=0.833 三、方差分析 成组设计的方差分析，或称完全随机设计方差分析或单因素方差分析，分析处理因素的作用。 要求各样本服从正态性、方差齐性、独立随机。 Compare Means—One-way ANOVA 方差分析常用于多个样本均数的比较。 方差分析的方法较多，其中最基本的是成组设计的方差分析。 方差分析的原理： 根据变异的不同来源，将全部观察值总的变异(及自由度)分解为两个或多个部分，每个部分的变异主要表示一种因素的作用，通过比较可能由某因素所致的变异与随机误差，从而判断该因素对测量结果有无影响。 总变异 （所有观察值的变异程度） 组内变异 （每个组内各观察值的变异，即随机误差） 组间变异 （各处理组间的变异） 例：完全随机设计的方差分析 （成组设计的多个样本均数比较）