《生物统计上机操作第五讲方差分析初级》由会员分享，可在线阅读，更多相关《生物统计上机操作第五讲方差分析初级（12页珍藏版）》请在金锄头文库上搜索。
1、研究生生物统计学课程 第五讲 方差分析主要内容：一、 单因素方差分析二、 两因素方差分析三、 多因素方差分析一、单因素方差分析 Analyze=Compare Means= One-Way ANOVA1、案例分析：某水产研究所比较四种饲料对鱼的饲喂效果饲料类型甲乙丙丁鱼的增重（各调查5条鱼）132252227228262431332272725428282525536262629（1） 建立数据文件，在Variable Vew中定义变量“饲料”、“增重”，“饲料”小数位数为0，用1、2、3、4分别代表甲、乙、丙、丁4种饲料。输入数据。（2） 方差分析：Analyze=Compare Means
2、= One-Way ANOVA，打开One-Way ANOVA主对话框。选定“增重”使之进入Dependent List（样本观测值）框，选定“饲料”使之进入Factor（因素）框（3） 单击Options进入“选项”对话框，选择Descriptive要求输出描述统计量，Homogeneity of Variance tese（方差齐性检验），Continue返回；（4） 单击Post Hoc打开One-Way ANOVA: Post Hoc Multiple Comparisions（单因素方差分析：验后多重比较）对话框，可选择确定多重比较方法，如LSD法、Duncan法，Continue返
3、回；（5） 单击OK，运行单因素方差分析。结果显示：方差分析表：（P0.00510岁性别雌雄雌雄雌雄雌雄a2球蛋白含量13.015.814.916.626.318.216.413.521.716.018.916.117.812.719.119.022.417.918.219.313.812.513.813.413.112.012.920.36.515.613.37.58.815.68.721.115.113.019.814.0 8.611.117.4 8.518.110.49.512.113.212.112.213.511.111.112.114.18.717.210.112.813.013.
4、78.614.112.110.616.28.89.411.08.411.68.813.116.612.124.310.48.911.5（1） 建立数据文件，在Variable Vew中定义变量“年龄”、“性别”、“蛋白含量”，“年龄”、“性别”小数位数为0，“年龄”中用1、2、3、4分别代表“1-3岁”、“4-6岁”、“7-10岁”、“10岁”4个年龄段，“性别”中用1、2分别代表“雌性”、“雄性”，输入数据。（2） 方差分析：Analyze=General Linear Model=Univariate，打开Univariate主对话框。选定“蛋白含量”使之进入Dependent Varia
5、ble（因变量）框，选定“年龄”、“性别”使之进入Fixed Factor(s)（固定因素变量）框；（年龄和性别均为固定因素）（3） 单击Options进入“选项”对话框，选择Descriptive要求输出描述统计量，Continue返回；（4） 单击Post Hoc打开Univariate：Post Hoc Multiple Comp对话框，将“年龄”选入Post Hoc Test for框中，选择LSD法，Continue返回；（5） 单击Model，打开“Univariate：Model”对话框，默认“Full factorial”（建立全因素模型，包括所有因素的主效应、所有协变量的主效
6、应及所有因素与因素的交互效应），“Custom”（自定义模型，只指定一个交互效应的子集或因素与协变量的交互效应），本题为有重复的实验，可研究“年龄”与“性别”的交互效应，故可选择默认选项。（6） 单击OK，运行多因素方差分析。Post Hoc Tests：多重比较结果年龄2、：为了研究饲料中钙磷含量对幼猪生长发育的影响，将钙（A）、磷（B）在饲料中的含量各分4个水平进行交叉分组试验，选择日龄、性别相同，初始体重基本一致的幼猪48头，随机分为16组，每组3头，经2个月试验，幼猪增重（kg）见下表：钙（）磷（）B1(0.8)B2(0.6)B3(0.4)B4(0.2)A1(0.8)22.030.03
7、2.430.526.527.526.527.024.426.027.025.1A2(0.6)23.533.238.026.525.828.535.524.027.030.133.025.0A3(0.4)30.536.528.020.526.834.030.522.525.533.524.619.5A4(0.2)34.529.027.518.531.427.526.320.229.328.028.519.0（固定模型）3、：为了研究某种昆虫滞育期长短与环境的关系，在给定的温度和光照条件下在实验室培养，每一处理记录4只昆虫的滞育天数，试对该资料进行方差分析。温度光照2530355h d-1143,
8、 138,120, 107101, 100,80, 8389, 93,101, 7610h d-196, 103, 78, 9179, 61,83, 5980, 76,61, 6715h d-179, 83, 96, 9860, 71,78, 6487, 58,71, 83（固定模型）4、练习：啤酒生产中需要研究烘烤方式（A）与大麦水分（B）对糖化时间的影响，选择两种烘烤方式、4种水分，共8种处理，每一处理重复3次，试进行方差分析。烘烤方式 样本号水分（B）（A）B1B2B3B4A11129.516182131015.519314.512.51417A2151317.51526.51418.5
9、1635.5151617.5（混合模型：烘烤方式为固定因素，大麦水分为随机因素）（二）无重复的两因素方差分析：1、案例分析：将一种生长激素配成M1、 M2、 M3、 M4、 M5五种浓度，并用H1、H2、H3三种时间浸渍某大豆品种的种子，出苗45天后得各处理每一植株的平均干重（g），试作方差分析。（激素浓度、浸种时间均为固定因素）浓度时间H1H2H3M1131414M2121213M3333M410910M5254（1） 建立数据文件，在Variable Vew中定义变量“浓度”、“时间”、“干重”，“浓度”、“时间”小数位数为0，“浓度”中用1、2、3、4、5分别代表“M1”、“M2”、“M
10、3”、“M4”、“M5”5个浓度段，“时间”中用1、2、3分别代表“H1”、“H2”、“H3”，输入数据；（2） 方差分析：Analyze=General Linear Model=Univariate，打开Univariate主对话框。选定“干重”使之进入Dependent Variable（因变量）框，选定“浓度”、“时间”使之进入Fixed Factor(s)框； （3） 单击Model，打开“Univariate：Model”对话框，选择“Custom”（自定义模型），在Build Term(s)下拉菜单中选择“Main effect”（只分析主效应），将“浓度”、“时间”引入Model框中，Continue返回；（由于没有重复试验，无法分析因子之间的交互作用，故必须自定义模型）（4） 单击Options进入“选项”对话框，选择Descriptive要求输出描述统计量，Continue返回；（5） 单击Post Hoc打开Univariate：Post Hoc Multiple Comp对话框，将“浓度”、“时间”选入Post Hoc Test for框中，选择LSD法、Duncan法，Continue返回；（6） 单击OK，运行多因素
