|
往期回顾： 运用哪一种统计方法需要先确定数据类型，一种是均值，一种是比值，对于后者，那就得运用卡方检验（点这里），而前者运用的是T检验，之前我们讲到单尾T（点这里）和双尾T（点这里）的作图，但是T检验知识针对两列数据的均值比较，那如果数据有多列则如何是好？那么，就要用到今天讲到的方差分析。 单因素方差分析One-Way ANOVA： t检验适用于两列数据的均值比较。 单因素方差分析适用于两列或更多列数据的均值比较。 但对于两列数据的均值比较，单因素方差分析=等方差假设的双尾t检验。 【实验操作1】One-Way ANOVA： 设定4个实验组，每组6只荷瘤裸鼠，总共24只裸鼠。 按组别注射给药（相同剂量和频率），给药15d后解剖出肿瘤，称量瘤重mg如下： One-Way ANOVA and its post test 单因素方差分析和多重比较 该问题有争议的统计方法：t检验 请按统计学规范来回答如下问题： ①注射该药物或其制剂是否会显著影响瘤重？【该问题的科研意义一般不大】 ②在抑制肿瘤方面，研究制剂Liposome是否有效？ ③研究制剂是否比市售制剂更有效？研究制剂是否可以作为市售制剂的替代品？ 【实例操作2】自由度的理解： 自由度，degree of freedom，缩写df 自由度越高，下结论越有把握。 对于刚才那个有争议的问题，ANOVA的自由度比t检验更高。 争议：使用方差分析还是t检验？ 我只对研究制剂和市售制剂感兴趣，只想比较这两个关键组。 是用方差分析后多重比较？ 还是直接对两列进行t检验？ 浩然的观点：推荐使用方差分析，不排斥使用t检验，随机应变。但在论文中标注显著性差异时要标上统计方法。 ANOVA和T检验都涉及了方差齐性假设，虽然可以Bartlett’s test或Levene’s test来衡量方差齐性（数据量小仅供参考），但多数时候方差齐性假设是经验性的。 方差分析：使用高风险的假设获得高收益 T检验：使用低风险的假设获得低收益 显著性差异是针对某一统计方法的： 统计学的精髓在于：在处理同类问题时，不同工作者都采用相同的统计分析方法。论文中标注显著性差异时，要标上所使用的统计分析方法。 “Statistically significant” is not the same as “scientifically important”. 我是教统计的，但我不迷信统计，我希望我的学生也不迷信统计。——我的统计学老师安老师是这么说的。 “statistically significant”不等于 “scientifically important”： 1、scientifically unimportant 使用等方差假设的双尾t检验 P<0.0001<0.05，有显著性差异 statistically significant 但提升幅度仅有1% scientifically unimportant (Trivial) 2、scientifically important
P<0.0001<0.05，有显著性差异 statistically significant 但提升幅度高达200% scientifically important 方差分析的所有类型：  GraphPad方差分析的学习方法： 单因素方差分析 欢迎对话框→Column→Use sample data→One-way ANOVA 双因素方差分析 欢迎对话框→Grouped→Use sample data→Two-way ANOVA Sample data的黄色备注标签里有链接，点击后有更详细的介绍。 |
|
|
来自： zhongguorui > 《数据处理》
