教程简版多样本方差分析

　　第4讲实验性研究定量数据统计策略（4）：
　　多样本方差分析检验
　　t检验主要用于两组定量正态分布的数据比较，但是如果需要比较多组定量数据，t检验分析方法很可能不合适，此时，必须要借助另外一种方法，方差分析，英文缩写ANOVA（ANlysisOfVAriance）。
　　实例分析
　　在评价某临床新药耐受性及安全性的2a期临床试验中，对符合纳入标准的30名健康自愿者随机分为3组，每组10名。各组注射剂量分别为0。5U、1U、2U，观察48小时部分凝血活酶时间（s），试问不同剂量的部分凝血活酶时间有无不同？数据库见time48。sav
　　多组定量数据的比较，基本的方法有2种。一种是成组F检验，一种是多样本的非参数秩和检验（KruskalWallis秩和检验）。
　　究竟采用哪种方法，必须考虑三个性的条件：正态性、独立性、方差齐性。关于三个性的解释，可以看之前的文章，此处不再赘述：SPSS统计分析策略（2）：两样本t检验
　　总的来说，方差分析针对两组或以上、定量、正态、独立、方差齐的数据比较。前面2个要求和多样本的非参数秩和检相同，差别在于F检验要求数据符合正态性、独立性、方差齐性三个要求。此外，如果细心的朋友可能会注意到，这里方差分析的条件是2组或以上，也就是方差分析不仅处理多样本，也同样可以处理2样本，关于这一点，我最后进行解释。
　　总结来说，对于本例：
　　本例采用随机化分组设计，独立性符合。
　　正态性方面，采用的是多样本正态性检验方法，探讨各组是否均来自于正态分布总体。经SW检验，0。5个单位P0。531，1个单位P0。250，2个单位P0。605，没有统计学意义，三组数据正态性均符合。
　　方差齐性检验，在SPSS操作F检验时同时进行。
　　SPSS操作
　　1：hrF检验SPSS操作界面：
　　分析比较均值单因素ANOVA检验
　　2：hrF检验具体参数设置
　　检验变量放入活酶时间（time），分组变量放入分组（group），同时进行定义组。
　　检验变量：即放入结局指标，本例为凝血活酶时间（time）
　　分组变量：放入group，无须如同t检验定义组
　　选项：此处内容较为丰富，见下图：
　　描述：描述不同组的结局的均数、标准差、95CI置信区间
　　方差齐性检验：方差分析三个性条件之一
　　韦尔奇：这是一种F检验替代，用于方差不齐时进行使用。
　　平均值：大致比较多组之间的均数，意义不大。
　　3：hrF检验分析结果及解释
　　根据上述SPSS操作，F检验统计分析以下结果：
　　第一，统计描述，给出均数、标准差、95CI置信区间
　　第二，方差齐性检验。可选择第一行结果，结果显示方差齐性检验P0。186，方差差不多一致。可采用F检验。
　　第三，F检验结果，结果显示F0。63，P值0。005，说明多组总体均数存在着统计学差异。
　　F值，为本表中两个均方值的比值（45。66。989）
　　显著性，即P值
　　第四，韦尔奇检验，这是F检验的在方差不齐时的替代，Welch检验，P值0。002，意味着多组存在着统计学差异。
　　结果及表格的规范表达
　　根据上表，我们可以得到以下的规范的结论：
　　规范文字：0。5个单位剂量组平均凝血活酶时间为（36。62。3）s，1个单位剂量组平均凝血活酶时间为（37。82。2）s，2个单位剂量组平均凝血活酶时间为（35。13。3）s，三组时间总体均数存在着统计差异（F6。5，P0。005）。
　　规范的统计表（其中一种形式）为：
　　F检验在统计分析中的实际应用
　　1。F检验结论取决于研究设计
　　F检验是最基本的假设检验方法，在随机、对照、平行的实验性研究中，F检验的结论十分可靠，完全证明一个干预措施是否真正产生效果，或者干预措施和定量结局是否存在着因果关系。
　　但是F检验如果用在观察性研究，比如比较男性、女性的体重有无差别，其结论不能说性别是体重的影响因素，只能说男性和女性体重存在着统计学差异，仅此而已。关于观察性研究F检验，后期再进行分析。
　　因此，同t检验一样，F检验结果到底能够说明什么问题，取决于研究设计。
　　2。两样本比较，也可以用F检验
　　很多时候，如果进行多次方差分析，多个方差分析结果需要呈现在同一表中，有些分组变量为二分类，有些是多分类，此时，需要同时包括t检验和F检验吗？其实不用，两样本比较，也可以用F检验，而且两样本t检验和两样本F检验的结果是一致的。
　　3。F检验三个性同t检验，是原则，不是铁标准
　　关于正态性、独立性和方差齐性，与t检验一样，差不多即可，不用严格执行。总体上，独立性一般成组设计即可，无论是随机化设计还是自然成组，方差不齐，亦可以采用校正F检验（wetch检验），关键在于正态性。
　　当F检验遇见正态性问题
　　是否采用F检验，要看其指标理论上是何分布，直方图形态是否大致中间多或者两边少，观其是否极端异常值；正态性检验是辅助的作用。以下分析习惯，与t检验套路相同，仅供参考：
　　如果指标理论上属于偏态分布，则放弃F检验
　　如果该指标理论上属于正态分布，无论大小样本，该只要直方图大致中间多或者两边少，无特别异常值，均可采用F检验
　　如果指标理论分布不明确，但样本量较大（amp；gt；100），该只要直方图大致中间多或者两边少，无特别异常值，均可采用F检验，无需考虑正态性检验结果。
　　如果指标理论分布不明确，但样本量不大（amp；lt；100），若两组数据正态性检验p值均amp；gt；0。01，可以考虑采用F检验，若至少一组amp；lt；0。01，建议放弃F检验lt；！100），若两组数据正态性检验p值均gt；
　　无论大小样本，如果直方图呈一边倒趋势，或者存在若干个极端异常值，放弃F检验
　　最后，多组数据比较，任何一组Pamp；lt；0。05，均可以放弃F检验而选择秩和检验（但我也很少这么做）
　　SPSS课程视频和操作录屏
　　SPSS课程视频
　　带字幕去水印的视频可复制以下地址浏览器打开
　　https：evod。zcmu。edu。cnresource。html？stationID1amp；amp；resourceid415amp；amp；isprivatefalseamp；amp；cateid102
　　SPSS课程录屏
　　本讲结束，敬请阅读同期R语言教程推文
　　meta分析
　　R语言
　　真实世界研究
　　统计技巧