均向量多元统计分析.ppt

1、医用多元统计分析 蒋 敏 四川大学卫生统计教研室,统计推断,两组：t检验/F检验 一元：均数的统计推断 （两者等价 F） 多组： F检验 两组： 检验/ 检验 多元：均向量的统计推断 （两者等价 多组： 检验,内容：,多元配对设计的均向量检验 多元成组设计两样本的均向量比较 多元成组设计的方差分析（MANOVA） 多元区组设计的方差分析（MANOVA） 多元析因设计的方差分析（MANOVA）,复习,假设检验的三大步骤： 建立检验假设，确定检验水准； 计算检验统计量；（用SAS完成） 确定p值，作出统计推断。,SAS的步骤,数据步（data步）：略 过程步（proc步） Ttest （一元均数的

2、比较） anova （多元均向量的比较）,SAS中ANOVA过程,Proc anova; *class 分类变量名列表; 分别按指定的变量分组 *model 因变量列表=自变量效应列表;,连续型数值变量,分类变量,*manova h=效应变量名;,选项manova用于模型为多个因变量（即多元方差分析时）,“h=”作用在于规定F检验的效应为g1 gn有无统计差异,means 自变量效应列表;,分别对计算自变量效应所对应的因变量的均值（其结果是单变量）,Run;,*: 表示anova过程必须的语句。,1、多元配对设计的均向量检验(2组),见教材P9例2.1 分别对三个指标IgG、IgA、IgM做单

3、因素的均数检 验（配对t检验）（其结果见p10表2.2） 对治疗前后免疫球蛋白（三个指标为 一个综合）差异分析（多元 检验与 检 验） SAS程序见p274例2.1,例2.1的程序,title 多元配对T检验; data example2_1; input ID IgG IgA IgM group ; cards; 1 1810 246 292 1 1 1654 196 243 2 2 1744 213 286 1 2 1568 208 272 2 . . . . . . . . . 14 1699 236 266 1 14 1543 205 262 2 15 1733 202 308 1 1

4、5 1684 197 288 2 ; proc anova; class ID group; model IgG IgA IgM=ID group; manova h=ID group; run;,1：治疗前组 2：治疗后组,改进的例2.1的程序,title 多元配对T检验; data example2_1; input ID IgG IgA IgM group ; cards; 1 1810 246 292 1 1 1654 196 243 2 2 1744 213 286 1 2 1568 208 272 2 . . . . . . . . . 14 1699 236 266 1 14 1

5、543 205 262 2 15 1733 202 308 1 15 1684 197 288 2 ; proc anova; class ID group; model IgG IgA IgM=ID group/NOUNI; manova h=ID group; run;,表示不输出各效应变 量的单变量分析结果,2、多元成组设计两样本的均向量比较,见教材P11例2.2 A、B两组患者贫血程度是否有差异（两个 指标为一个综合差异分析）（多元 检验 与 检 验） SAS程序见p275例2.2,例2.2的程序,TITLE 多元T检验; data example2_2; input x1 x2 gr

6、oup ; cards; 3.9 210 1 4.8 270 2 . . 5.5 180 1 5.1 310 2 2.9 200 1 3.3 300 1 ; proc ttest; class group; var x1 x2; run; proc anova; class group; model x1 x2=group/NOUNI; manova h=group; run;,1：A组 2：B组,3、多元成组设计的方差分析（MANOVA）,见教材P12例2.3 A、B、C三组患者贫血程度是否有差 异（两个指标为一个综合差异分析 检验 SAS程序见p276例2.3,title 多元方差分析：成

7、组设计; data example2_3; input x1 x2 group ; cards; 3.9 210 1 4.8 270 2 4.4 250 3 . . . . . . . . . . . . . . . 2.4 260 1 5.5 220 2 3.7 310 3 3.6 240 1 4.3 290 2 5.5 180 1 5.1 310 2 2.9 200 1 3.3 300 1 ; proc anova; class group; model x1 x2=group; manova h=group/printh printe summary; means group/snk;

8、run;,例2.3的程序,打印“h=“规定的group效应的检验SSCP矩阵H,打印误差SSCP矩阵E，还打印出相应的偏相关矩阵,产生每个因变量的单因素方差分析,4、多元区组设计的方差分析（MANOVA）,见教材P15例2.4 疗前、溶后10分钟、溶后20分钟三 组血压程度是否有差异（两个指标为一个综 合差异分析 检验 SAS程序见p276例2.4,例2.4的程序,title 多元方差分析 区组设计; data examp2_4; input a b x1 x2 ; cards; 1 1 120 81 1 2 120 81 1 3 120 80 2 1 116 68 2 2 138 84 2

9、3 108 70 . . . . . . . . . . . . . . . . . 9 1 176 119 9 2 150 100 9 3 148 92 10 1 148 94 10 2 153 83 10 3 150 85 ; proc anova; class a b; model x1 x2=a b/nouni; manova h=a b/printh printe; means a b; run;,a：区组 b：治疗时间组,5、多元析因设计的方差分析（MANOVA）,见教材P15例2.4，是一个两因素的析因分析如下： 水平：低Zn、高Zn A 指标 ： 、 、 、 因素 水平：低VitA、中VitA、高VitA B,作业：多元样本均向量与均向量的比较,见教材P232，习题21 20例样本的汗水（ 、 、 ）的均向 量 是否来自已知总体均向量 即 ？ (一元：样本均数与总体均数的比较： 的均数 ?) 、 、 的总体均向量 ？ SAS程序见P252的练习2.1,练习2.1的程序,data ex2_1; input x1 x2 x3 ; y1=x1-4; y2=x2-50; y3=x3-10; cards; 3.7 48.5 9.3 3.9 36.9 12.7 . . . . . . .