资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,成组设计两样本均数的比较,1,成组设计,成组设计:可以是实验性研究中的随机分组,也可以是观察性研究中的不同人群随机抽样。,在实验性研究中,将受试对象随机分成二组或更多组,每个受试对象均有相同的机会进入其中的任何一组。,2,3,4,5,成组设计,在观察性研究中,按不同人群进行随机抽样,得到二个或二个以上的独立样本。,完全随机分组和按不同人群抽样所得到的样本均为独立样本资料。,6,两个独立样本平均水平的比较,两个独立样本平均水平的比较可以是两样本,t,检验,也可以两样本秩和检验。考虑到检验效能的原因,一般采用下列统计分析策略:,如果满足每组资料近似呈正态分布(或大样本)并且方差齐性,则可用两样本t检验;,7,两个独立样本平均水平比较,如果满足每组资料近似呈正态分布(或大样本)但方差不齐,则可用两样本t检验;,否则可以用两样本的,Wilcoxon秩和检验,8,两样本进行t检验举例,例4.7 下面资料是关于18名单腿截肢者的健康足和18名正常健康人的足部相同部位组织切片毛细血管密度(/mm2)的测定结果,试比较健康人和截肢者足部毛细血管密度有无差别?,正常人163029332828362927333738404139393948,截肢者102128282620332615232330312623422428,9,两样本进行t检验举例,首选t检验,但要求每组资料 服从正态分布,方差齐性。,因此首先考虑的对每组资料进行正态性检验(,=0.05),H,0,:资料服从正态分布,H,1,:资料服从偏态分布,借助Stata软件进行正态性检验,,10,两样本进行t检验举例,正常组:资料正态性检验的P=0.2980,截肢组:资料正态性检验的P=0.2429,均不能否认两组资料分别近似正态分布。,方差齐性检验,H,0,:两组对应的总体方差相等,H,1,:两组对应的总体方差不相等,=0.10,11,两样本进行t检验举例,方差齐性检验统计量,可以证明:当两个总体方差齐,性时,统计量F靠近1附近,,服从自由度分别为n,1,-1,n,2,-1的F分布,反之,如果两个总体方差不等时,F值增大。故可以上述统计量检验方差齐性的问题。,F=1.094, 查表可知:P0.1,故方差齐性。,12,两样本进行t检验举例,两样本 t 检验,其假设一般为:,H0,:,1,=,2,,即两样本来自的总体均数相等,,H1,:,1,2,,即两样本来自的总体均数不相等,,检验水准为,0.05,。,13,两样本进行t检验举例,两样本t检验统计量,14,两样本进行t检验举例,两样本标准误 与H,0,是否为真无关,是两个总体均数之差的点估计,因此当H,0,: ,1,=,2,成立时, 在大多数情况下非常小或较小,故t检验统计量较小或比较小。,反之,当H1,:,1,2,在大多数情况下 较大或很大,所以t检验统计量比较大或很大。,15,两样本进行t检验举例,可以证明:当H,0,为真时,t检验统计量服从自由度为n,1,+n,2,-2的t分布。故当t检验统计量出现|t|t,0.05/2,n1+n2-2,,则这是一个小概率事件,一次随机抽样一般不会出现的,故有理由怀疑H,0,非真所致,古可以拒绝H,0,。,本例t=3.5872临界值t,0.05/2,n1+n2-2,故可以拒绝H,0,,基于95%CI,可以推断正常人的,毛细血管密度高于截肢者,16,t检验条件,t,检验的应用条件和注意事项,两个小样本均数比较的,t,检验有以下应用条件:,(,1,)两样本来自的总体均符合正态分布,,(,2,)两样本来自的总体方差齐。,17,在进行两小样本均数比较的,t,检验之前,要用方差齐性检验来推断两样本代表的总体方差是否相等,方差齐性检验的方法使用,F,检验,,其原理是看较大样本方差与较小样本方差的商是否接近“,1,”。若接近“,1,”,则可认为两样本代表的总体方差齐。判断两样本来自的总体是否符合正态分布,可用正态性检验的方法。,18,对于方差不齐的情况,如果每组资料服从正态分布,但方差不齐,则可以用t检验,t,检验,但要根据方差不齐的严重程度调整自由度(见教材),其它与t检验相同。,19,不满足t检验条件的两样本比较,不满足t检验条件,可以用,two-sample Wilcoxon rank sum test(秩和检验)亦称Mann-Whitney two-sample test,要求两组资料是独立的。,20,
展开阅读全文