《2021年整理方差分析1 实验报告.doc》由会员分享，可在线阅读，更多相关《2021年整理方差分析1 实验报告.doc（16页珍藏版）》请在金锄头文库上搜索。
1、生物医学统计分析评分实验报告 课程名称 生物医学统计分析 实验名称 方差分析1 专业班级 姓 名 学 号 实验日期 实验地点20152016学年度第 2 学期一、 实验目的进行方差分析。1.均数差别的显著性检验 2.分离各有关因素并估计其对总变异的作用 3.分析因素间的交互作用 4.方差齐性检验。二、实验环境 1、硬件配置：处理器：Intel（R） Core(TM) i7-3770 CPU 3.40GHz 3.40GHz安装内存（RAM）：4.00GB 系统类型：64位操作系统 2、软件环境：IBM SPSS Statistics 19.0软件三、实验内容(包括本实验要完成的实验问题及需要的相
2、关知识简单概述)（1）课本第四章的例4.1-4.4运行一遍，注意理解结果； （2）实验报告的例1和例2按步骤进行数据管理的操作和基本统计分析。一、Simple Factorial过程： 调用此过程可对资料进行方差分析或协方差分析。在方差分析中可按用户需要作单因素方差分析或多因素方差分析；当观察因素中存在很难或无法人为控制的因素时，则可对之加以指定以便进行协方差分析。二、General Linear Model过程： 调用此过程可对完全随机设计资料、配对设计资料、析因设计资料、正交设计资料等等进行多因素方差分析或协方差分析。四、实验结果与分析例4.1表1 5个品种猪增重的描述性指标描述N均值标准
3、差标准误均值的 95% 置信区间极小值极大值下限上限1620.1671.4376.586918.65821.67518.022.02617.1671.7512.714915.32919.00415.520.03518.3001.2042.538516.80519.79517.020.04419.6251.1087.554317.86121.38918.521.05416.6251.1087.554314.86118.38915.518.0总数2518.4201.8857.377117.64219.19815.522.0分析：表1是该资料的一般描述性指标，分别为各品种猪增重的均数，标准差，标准误
4、，最大值和最小值。总体均数95%的置信区间。表2 5个品种猪增重的方差分析表(ANOVA增重)平方和df均方F显著性组间46.498411.6255.986.002组内38.842201.942总数85.34024分析：表2是方差分析的统计结果，由此可知，F=5.986，P=0.0020.01，可认为5个品种猪存在极显著差异，故须进行多重比较。表3 5个品种猪增重的多重比较（LSD法）(I) 品种(J) 品种均值差 (I-J)标准误显著性95% 置信区间下限上限LSD123.0000*.8046.0011.3224.67831.8667*.8439.039.1063.6274.5417.899
5、6.554-1.3352.41853.5417*.8996.0011.6655.41821-3.0000*.8046.001-4.678-1.3223-1.1333.8439.194-2.894.6274-2.4583*.8996.013-4.335-.5825.5417.8996.554-1.3352.41831-1.8667*.8439.039-3.627-.10621.1333.8439.194-.6272.8944-1.3250.9348.172-3.275.62551.6750.9348.088-.2753.62541-.5417.8996.554-2.4181.33522.4583
6、*.8996.013.5824.33531.3250.9348.172-.6253.27553.0000*.9854.006.9445.05651-3.5417*.8996.001-5.418-1.6652-.5417.8996.554-2.4181.3353-1.6750.9348.088-3.625.2754-3.0000*.9854.006-5.056-.944*. 均值差的显著性水平为 0.05。分析：表3是选用LSD法作为均数间的两两比较的结果： 品种1与品种2的显著性P=0.0010.01，差异极显著； 品种1与品种3的显著性P=0.0390.05，差异显著； 品种1与品种4的显著
7、性P=0.5540.05，差异不显著； 品种1与品种5的显著性P=0.0010.01，差异极显著；以此类推因为均值差与正数越接近说明其差异越好，表3中品种1的均值差都大于0，说明品种1的差异最好，品种4接近正数，是第二好，再是品种3，品种2，最后是品种5表4 5个品种猪增重的多重比较（SNK法，=0.05）品种Nalpha = 0.05 的子集12Student-Newman-Keulsa,b5416.6252617.1673518.30018.3004419.6251620.167显著性.173.119将显示同类子集中的组均值。a. 将使用调和均值样本大小 = 4.839。b. 组大小不相等
8、。将使用组大小的调和均值。将不保证 I 类错误级别。分析：表4是按=0.05水准，将无显著的均数归为一类，可见品种5、2、3的样本均数（16.625、17.167、18.300）位于同一列，故品种5、品种2、品种3的样本均数两两之间均无显著差异。品种3、4、1位于同一列，故品种3、品种4、品种1样本均数两两之间均无显著差异，而品种5、2与品种4、1不在同一列内，故品种5、2与品种4、1的样本均数有显著差异。 由本例可知，用不同的两两比较方法，均数间的差异显著性有时会略有不同。例4.2表5 描述性统计量（变量:增重）品种饲料均值标准 偏差N1151.00.1253.00.1352.00.1总计5
9、2.001.00032156.00.1257.00.1358.00.1总计57.001.00033145.00.1249.00.1347.00.1总计47.002.00034142.00.1244.00.1343.00.1总计43.001.0003总计148.506.2454250.755.5604350.006.4814总计49.755.61012分析：表5为求“品种”，“饲料”均数、标准差的过程。经统计汇总，4个品种在不同饲料内的增重分别为52.00,57.00,47.00和43.00；标准差分别为1.000,1.000,2.000,1.000.对3种饲料在不同品种内的增重进行统计，其均值
10、和标准差分别为48.50,50.75,50.00，6.245,5.560,6.481.该12个观察值的总的均值为49.75，标准差为5.610.表6 不同系数、饲料对增重影响的方差分析（主体间效应的检验，因变量:增重）源III 型平方和df均方FSig.校正模型342.750a568.550117.514.000截距29700.750129700.75050915.571.000品种332.2503110.750189.857.000饲料10.50025.2509.000.016误差3.5006.583总计30047.00012校正的总计346.25011a. R 方 = .990（调整 R
11、方 = .981）分析：表6为品种、饲料间均数的方差分析（F检验）的结果。从表可知，品种的F=189.857，P=0.0000.01，差异极显著；饲料的F=9.000，P=0.0160.05，差异显著。说明不同品种对增重影响差异极显著，不同饲料对增重影响差异显著，有必要进一步对品种、饲料两因素不同水平的均值进行多重比较。校正模型的第2、3列的值是两个主效应“品种”、“饲料”对应值之和。F=117.514，P=0.0000.01，表明所用模型有统计学意义。截距在我们的分析中没有实际意义，可忽略。总和为截距、主效应（“品种”、“饲料”）和误差项对应值之和。校正总和为主效应（“品种”、“饲料”）和误
12、差项对应值之和。表7 各品种间增重均数的两两比较（SNK法，=0.05）品种NStudent-Newman-Keulsa,b的子集12344343.003347.001352.002357.00Sig.1.0001.0001.0001.000已显示同类子集中的组均值。基于观测到的均值。误差项为均值方 (错误) = .583。a. 使用调和均值样本大小 = 3.000。b. Alpha = .05。分析：表7为各品种间增重均数的多重比较结果，4个品种的均数都不在同一列，故在=0.05显著水准下，4个品种间的增重都存在差异。也可进一步选择“显著性水平”选择=0.01显著水准，检验均数间是否达到极显著。表8 各饲料间增重均数的两两比较（SNK法，=0.05）饲料NStudent-Newman-Keulsa,b的子集121448.503450.002450.75Sig.1.000.214已显示同类子集中的组均值。基于观测到的均值。误差项为均值方 (错误) = .583。a. 使用调和均值样本大小 = 4.000。b. Alpha = .05。分析：表8为各饲料间增重均数的多重
