|
Graphpad单因素方差的基本步骤 单因素方差的基本步骤包括3个大方面： a. 各组数据的正态性检验; b. 各组数据的方差齐性检验; c. 各组均值的比较。 1、数据的正态性检验：点击Analyze，在Column analyses下选择Normality and Log normality Tests
2、点击OK进行参数设置，GraphPad中给出如下几种正态性检验方法，Kolmogorov-Smirnov test (with Dallal-Wilkinson-Lilliefor P value), D'Agostino and Pearson omnibus normality test, 以及Shapiro-Wilk normality test。我们把这三种方法先都勾选上，看看结果如何。点OK
3、结果如下图有4种统计结果描述高斯分布，且各自的P value summary为ns，符合单因素方差分析的条件。那么问题就来了，三种方法的分析结果不一致，我们该以哪种方法为依据呢？ Shapiro-Wilk normality test：当数据集中的数据无重复值时，该方法的检验效果比较好，但是当数据集中有些数据不是独一无二的，即有些数据的数值是相同的，那么该方法的检验效果就不是很好； Kolmogorov-Smirnov test (with Dallal-Wilkinson-Lilliefor P value)：实际上，这里包含了两种方法，即单纯的Kolmogorov-Smirnov test 以及在Kolmogorov-Smirnov test 基础上进行了修正的Lilliefor正态分布检验。这两种方法计算P值的原理不太一样。GraphPad不推荐使用单纯的Kolmogorov-Smirnov test方法； D'Agostino and Pearson omnibus normality test：GraphPad官方推荐使用该方法。 因此如果我们选择利用GraphPad软件进行正态性检验时，当然这几种方法得到一致的结果最好，如果各方法之间检验结果有差异，我们还是以它推荐的D'Agostino and Pearson omnibus normality test方法为依据。
4、接下来进行方差齐性检验，如下图进行选择单因素方差分析：
5、为了进行下去，先假设方差齐，并按下图选择：
6、设置比较组，要么两两比较，要么与特定组比较，如下图：
7、点击OK后会得到此次方差分析的ANOVA Summary，结果显示 Significant diff. among means的结果为Yes，也就是否定了上面的方差齐的假设，所以应校正为方差不齐。若方差不齐：P < 0.10：表明方差不齐，则进行数据校正；点击表格顶端 t test，弹出右侧窗口，默认选项，非配对；默认选项，参数检验；选择第二项， welch 校正；最后点击确认，重新得出 P 值。
8、进行方差分析，重新点Analyze，在experimental design中按下图选择：
One-way analysis of variance:各组数据之间满足独立性，正态性，方差齐性 Kruskal-wallis test:各组数据之间满足独立性，但不满足正态分布 Friedman test: 各组数据之间不独立，也不满足正态分布 Repeated measures ANOVA: 各组数据之间不独立，数据之间存在重复度量的情况 9、方差不齐修正后结果清晰地显示出组组(Multiple Comparisons)之间是否具有显著性差异。
|
|
|
