协方差判断相关性_医学统计中使用SPSS完成协方差分析前对假定条件的检验 ——【杏花开医学统计】...

杏花开生物医药统计

一号在手，统计无忧！

关 注

医学统计中使用SPSS完成

协方差分析前对假定条件的检验

关键词：spss、协方差

导 读

    在前几期，我们介绍了用方差分析研究可控制的分组处理因素对因变量的影响，用线性回归分析研究定量变量对因变量的影响。但在实际工作中，有的因素并非可控或者并未控制，从而影响研究者对处理因素与因变量间关系的判断。

    例如研究某降压药物的疗效，以患者最终的血压情况为疗效的观测指标，但患者初始的血压情况却是不可控的，那么，如何排除这些不可控或未控因素的干扰，以进行分组处理因素对因变量的影响研究？医学研究中，我们常会用到协方差分析或者多元回归分析。

    本期，我们首先来介绍协方差分析的基本原理、适用范围及在SPSS中对其适用条件检验的具体操作。

下方为视频版和音频版，含软件操作步骤

一、基本原理

    协方差分析(analysis of convariance)是将线性回归分析与方差分析结合起来的一种分析方法，其基本思想是将定量变量X(不可控或未控因素)对Y的影响看做协变量，建立因变量Y随X变化的线性回归关系，并利用这种回归关系把X值化为相等后再进行各组Y的修正均数的比较，即从Y的总平方和中扣除协变量X对Y的回归平方和，对残差平方和做进一步分解后再进行方差分析，以更好地评价处理因素的效应。

    基本假设如下：

    H0：各组处理因素的总体修正均数相等；

    H1：各组处理因素的总体修正均数不全相等。

    α=0.05。

二、适用条件

    协方差分析的应用应满足以下条件：

    (1)与方差分析的应用条件相同，协方差分析要求观察变量相互独立，且服从正态分布，各样本的总体方差齐性；

    (2)各总体因变量对协变量存在线性回归关系且斜率相等，即回归线要平行，进一步说即要求各样本回归系数b本身有统计学意义而各样本回归系数b间的差别无统计学意义；

    (3)协方差分析要求协变量是连续变量，且不能对处理因素产生影响，即协变量与处理因素间交互效应不显著。

三、案例解读

    我们收集了三种治疗方式共170例患者的治疗前和治疗后的情绪评分。现欲研究三种治疗方式对患者情绪评分的情况的影响是否不同。三种治疗方式的患者治疗前的情绪评分不能人为控制，如果仅研究三种治疗方式后的情绪评分的差异，这样得出的结论还不够准确甚至可能有误，因为患者治疗后的情绪评分不仅可能受到治疗方式的影响，还可能受到初始情绪评分的影响，因此，采用完全随机设计且有一个协变量的协方差分析方法进行研究。本期主要介绍协方差分析前的假设检验的具体操作步骤。

    (1)各组样本总体的正态性检验及方差齐性检验

    对各治疗组的治疗后情绪评分进行正态性检验和方差齐性检验。

    点击观看：《医学数据的正态性的检验方法之K-S检验》

《如何用SPSS对医学数据进行多样本间的方差齐性检验》

    由检验结果可知，各治疗组的治疗后情绪评分基本服从正态性和方差齐性要求。