文章介绍了方差分析的基本思想，包括将总变异分解为组间和组内变异，以及应用条件，如样本独立、正态分布和方差齐性。讨论了完全随机设计、随机区组设计的方差分析，并强调了在均数比较时避免直接使用t检验以防止错误增加。此外，文章提到了SNK-q、Dunnett和LSD-t等多重比较方法，并介绍了析因设计如何分析因素效应和交互效应。
1. 方差分析的基本思想和应用条件
方差分析是由英国著名统计学家R.A.Fisher首创，为纪念他，又被称为F检验。
方差分析的基本思想：
根据资料的设计类型,即变异的不同来源，将全部观察值之间的变异-总变异分解为两个或多个部分，除随机误差外，其余每个部分的变异都可用某个因素的作用来解释，通过比较不同变异来源的均方，借助F分布做出统计推断，以了解某因素对观察指标是否有影响或某因素是否有效应。
以单个处理因素完全随机设计的方差分析为例
各组样本均数各不相等，这种差异可能是由抽样误差，测量误差等随机误差造成的，也有可能是不同处理导致的作用或效果，根据这种资料类型，将样本的总变异分为两部分:
组间变异：各处理组样本均数间的变异，由处理因素导致
组内变异：各组内数据的变异，由随机误差导致
在上述公式中，各部分的变异和自由度的计算公式如下
其中
变异大小与自由度有关，将各个变异除以自由度即可得到方差分析的检验统计量
方差分析的应用条件：
各样本相互独立，均来自正态分布总体
各样本来自的总体的方差相等，即具有方差齐性
2. 完全随机设计的方差分析
在应用中需要注意备择假设是各组均数全部相等或不全相等，示例如下
在实际计算过程中，可以先计算总变异和组内变异，然后二者相减得到组间变异
3. 随机区组设计的方差分析
与单因素完全随机设计相比，在总变异中，增加了区组间变异，计算公式如下
4. 多个样本均数的两两比较
当方差分析推断出各组总体均数不等或不全相等时，意味着至少两组总体均数不同，要进一步判断是那两组，需要进行多个样本均数的两两比较，此时不能直接用t检验进行比较，因为两两比较的t检验，会导致检验水准过大，犯I型错误的概率增大。
推荐的做法是使用多重比较，可进一步分为两种情况
探索性研究，在方差分析得出多个总体均数不全相等的结论后，再进行多个均数间的两两比较，可采用SNK-q检验，Bonfferoni t检验等
在设计阶段就根据研究目的进行某些均数间的两两比较，常用于事先有明确假设的证实性研究，如多个处理组与对照组的比较，可采用Dunnett-t 检验，LSD-t检验，也可采用Bonfferoni t检验等
1）SNK-q检验
SNK(Student-Newman-Keuls)检验，也称q检验，对任意两个样本均数都进行检验，检验统计量q的计算公式如下
2）LSD-t检验
即最小显著性差异t检验，适用于某一对会某几对在专业上有特殊意义的均数间的比较，如多个处理组与对照组的比较，或某几个处理组间的比较，检验统计量t值的计算公式为
3）Dunnett 检验
适用于g-1个实验组与1个对照组的比较，检验统计量的计算公式如下
5. 析因设计的方差分析
析因设计是将两个或多个实验因素的各个水平进行全面组合的实验，能够分析各个实验因素的单独效应，主效应和因素间的交互效应。举例如下
上述试验是一个包含2因素，2水平的析因设计，2个处理因素分别为是否染毒和是否给药，对于这样一个析因设计，我们可以得到如下所示的均数差值表
基于此表，可以分析单独效应，主效应和交互效应。
单独效应：指的是其他因素水平固定，同一因素不同水平指标平均值的差别，比如
主效应：各因素各单独效应的平均值
交叉效应：因素A的各单独效应随着因素B的水平变化而变化的大小称为交互效应
两因素析因设计的总变异和自由度分解为
各部分变异的自由度计算如下
析因设计的方差分析，不仅可以分析各因素的主效应，还可以分析各因素间是否存在交互效用。
·end·
—如果喜欢，快分享给你的朋友们吧—
原创不易，欢迎收藏，点赞，转发！生信知识浩瀚如海，在生信学习的道路上，让我们一起并肩作战！
本公众号深耕耘生信领域多年，具有丰富的数据分析经验，致力于提供真正有价值的数据分析服务，擅长个性化分析，欢迎有需要的老师和同学前来咨询。
更多精彩
写在最后
转发本文至朋友圈，后台私信截图即可加入生信交流群，和小伙伴一起学习交流。
扫描下方二维码，关注我们，解锁更多精彩内容！
一个只分享干货的
生信公众号
扫一扫
1429
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
