![ea1376a680371d68209ae62543eb4565.png](https://img-blog.csdnimg.cn/img_convert/ea1376a680371d68209ae62543eb4565.png)
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
![d407e1e60a1d501b6807a92b5f9c8652.png](https://img-blog.csdnimg.cn/img_convert/d407e1e60a1d501b6807a92b5f9c8652.png)
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。