SPSS醫學統計高能方法:單因素方差分析(One Way ANOVA)——【杏花開醫學統計】

2021-01-14 杏花開生物醫藥統計


SPSS單因素方差分析

圖文視頻教程


     

    本期我們來講醫學統計中常用的方法——單因素方差分析(One Way ANOVA)


①單因素方差分析的分組要求:三組或者三組以上的差異對比;


②單因素方差分析的指標類型要求:連續數值型變量且服從正態分布(每一組數據都要服從正態分布)

 


請觀看下方視頻教程

(若無法播放,請聯繫客服微信3301888200)



案例:某三甲醫院114名準備進行腹腔鏡的患者,按照病情輕重分為輕度組(N=64)、中度組(N=23)和重度組(N=27)。探尋三組患者的術前血鉀是否存在顯著差異。部分數據如下圖(圖1)所示:



統計學方法:


▶ 單因素ANOVA(三組的血鉀都要服從正態分布,但是實際研究中,輕微偏態也是可以進行單因素ANOVA分析的,輕微偏態不會影響單因素ANOVA運算結果的穩定性,輕微偏態的界定視頻中有詳細講解)


▶ K個獨立樣本非參數檢驗(任意一組的血鉀不服從正態分布)


    關於正態性檢驗的方法可以觀看視頻中的演示,也可以看杏花開醫學統計公眾號中的正態性檢驗專題。


SPSS軟體的單因素ANOVA檢驗操作:


第一步:點擊分析→比較均值→單因素ANOVA檢驗。如下圖(圖2)所示:



第二步:點擊「選項」,勾選「描述」、「方差齊性檢驗」、「布朗—福賽斯」、「韋爾奇」,然後點擊「繼續」,如下圖(圖3)所示:



第三步:點擊「事後比較」,勾選「邦弗倫尼」、「塔姆黑尼 T2(M)」,如下圖(圖4)所示:


第四步:點擊"繼續"和「確定」後,得出運算結果。


第五步:結果解讀。運算結果(圖5)如下:


   

本次的案例數據運算結果是:


1.方差齊性檢驗P<0.05,方差不齊。


2.韋爾奇檢驗的結果P<0.05,意味著三組的血鉀存在顯著差異。


3.塔姆黑尼多重比較的結果,輕度和中度的血鉀無顯著差異(P=0.895>0.05);輕度血鉀顯著高於重度(差值為0.35096,P<0.05);中度血鉀顯著高於重度(差值為0.39099,P<0.05)。


提示:單因素方差分析的結果可以繪製成柱狀圖,並選擇字母標記法來表示多重比較的結果,同時還可以標註上血鉀隨著病情的變化趨勢。如下圖(圖6)所示。


    下圖是用國內外期刊、SCI普遍使用的統計繪圖軟體GraphPad繪製,是不是有牌面呢!我們針對GraphPad專門推出了一套系統性教程:


《GraphPad統計繪圖教程》



    本期課程就到這裡,我們將每周推出更多、更實用的醫學統計教程,提供醫學統計相關服務。涵蓋SPSS、Meta、GraphPad、SAS、R、Eexel等,歡迎大家關注!感謝大家的觀看,下期再見!







相關焦點

  • spss單因素方差分析的理論與實踐教程—— 【杏花開醫學統計】
    下面,我們來詳細了解單因素的方差分析(one-factor ANOVA)的基本原理、適用條件及其在SPSS中的具體操作。   其中,g表示處理水平數;   統計量     單因素方差分析根據統計量F值的大小作為判斷的標準,當H0成立時,F統計量服從F分布。若    時,則P≤0.05,拒絕H0,接受H1,即各樣本的總體均數不全相等;反之,則不拒絕H0,同時還不能得出各樣本總體均數不全相等的結論。
  • 教學視頻| 單因素方差分析(one-way ANOVA)及SPSS操作
    單因素方差分析(one-way ANOVA)也稱為F檢驗,是通過對數據變異的分析來推斷兩個或多個樣本均數所代表的總體均數是否有差別的一種統計推斷方法
  • 重複測量數據的方差分析在SPSS中的應用——【杏花開醫學統計】
    關 注 重複測量數據的方差分析 在SPSS中的應用 關鍵詞:spss、重複測量方差 導 讀 在醫學研究中,很多實驗都涉及到重複測量的數據資料
  • SPSS——單因素方差分析
    單因素方差分析(one way anova),是一種較為常用的方差分析手段,主要目的是為了尋找多組數據總變異的真實來源,判斷總變異是來自於組內變異(Vin),還是來自於組間變異(Vbetween)。單因素方差分析的檢驗統計量F=Vbetween/Vin,表示組間變異與組內變異的比值。
  • 單因素方差分析(one-way ANOVA)
    來源:網絡單因素方差分析 (一)單因素方差分析概念
  • 如何用SPSS做單因素和多因素方差分析
    前段時間明明同學推送了一篇「如何用Excel做方差分析」,今天就講講如何用SPSS為大家展示常用的3種分析方法使用技巧即:單因素方差分析、雙因素方差分析(無交互效應和有交互效應)。讓大家對方差分析有一個更深的了解。首先,我們來了解一下什麼是方差分析。方差分析是對多個樣本平均數差異顯著性檢驗的一種方法,也就是推斷對多個樣本均數是否相等的方法。
  • SPSS之單因素方差分析ANOVA
    方差分析是對多個(兩個以上)處理平均數進行假設檢驗的方法。單因素是指該實驗中只有一個實驗因素,而單因素方差分析則是用來判斷這一實驗因素對各處理的優劣情況。簡單而言,如果實驗只有一種影響因素,但又有多個不同的處理水平,最後得到的數據就可以用單因素方差分析來分析數據。在方差分析的體系中,單因素方差分析,即F測驗通過對數據差異的分析來推斷兩個或多個樣本均數所代表的總體均數是否有差別,可用於檢測某項變異因素的效應或方差是否存在。F越大,說明組間方差是主要方差來源,處理的影響越顯著;F越小,越說明隨機方差是主要的方差來源,處理的影響越不顯著。
  • Two-way ANOVA分析
    之前講的t檢驗,單因素方差分析(one-way ANOVA)等,都是單因素水平的比較,t檢驗是比較一個因素兩個水平上的差異:比如不同性別(男、女)之間體重的差異,單因素方差分析則比較的是一個因素多個水平上的差異(>2組):比如不同國家的人口差異,不同民族的年齡差異等。
  • 【案例】SPSS統計分析:多因素方差分析
    多因素方差分析,用於研究一個因變量是否受到多個自變量(也稱為因素)的影響,它檢驗多個因素取值水平的不同組合之間,因變量的均值之間是否存在顯著的差異。多因素方差分析既可以分析單個因素的作用(主效應),也可以分析因素之間的交互作用(交互效應),還可以進行協方差分析,以及各個因素變量與協變量的交互作用。
  • SPSS統計分析:多因素方差分析及案例
    多因素方差分析既可以分析單個因素的作用(主效應),也可以分析因素之間的交互作用(交互效應),還可以進行協方差分析,以及各個因素變量與協變量的交互作用。根據觀測變量(即因變量)的數目,可以把多因素方差分析分為:單變量多因素方差分析(也叫一元多因素方差分析)與多變量多因素方差分析(即多元多因素方差分析)。本文將重點講述一元多因素方差分析,下篇文章將詳細講述多元多因素方差分析。
  • SPSS方差分析方法與實例演練
    在數據分析過程中,為了進行兩組以上均數的比較,往往可以使用方差分析方法。那麼我們一起了解一下方差分析基本概念、 單因素方差分析、 多因素方差分析及協方差分析;同時在spss中的操作演練。在spss中經常使用方差齊性檢驗(都是levene檢驗),一般情況下,只要sig值大於0.05就可以認為方差齊性的假設成立,因此方差分析的結果應該值得信賴;如果sig值小於或等於0.05,方差齊性的假設就值得懷疑,導致方差分析的結果也值得懷疑。
  • 基本數據統計分析--spss
    在數據分析工作中,描述性統計分析是我們日常使用率最高的,主要的基本統計分析維度包括但不限於均值、 中位數、眾數、方差、百分位、頻數、峰度、偏度、探索分析、交叉聯列表分析、多選項分析、基本統計報表製作等。而這些功能操作在spss中是可以直接使用的。當然我們也需要理解相關定義。
  • 科研SPSS統計思維實戰研討會
    46) 單因素分析與多因素分析的應用場景有哪些?47) 完全隨機與隨機區組設計、多個樣本均數的兩兩比較的區別核心?方差不齊時如何矯正檢驗?62) 多因素方差分析在哪矯正?63) 方差分析的終極解決之道——一般線性模型的SPSS實現?
  • 怎樣用SPSS進行ONE WAY ANOVA分析
    單因素方差分析(ONE WAY ANOVA)也稱一維方差分析,用來檢驗單一因素影響的兩個以上組均值之間是否具有顯著性差異
  • R語言統計篇: 單因素協方差分析
    單因素
  • 最直觀的方差分析(ANOVA) 術語大全
    方差分析ANOVA詞意:analysis of variance,取單詞的前兩個字母組合而成。2. 方差分析的統計學分析基礎是F分布。提出一個案例來展開概念:為測試兩個治療方法,對焦慮症的治療效果,招募了十個有焦慮症的志願者來做實驗。
  • SPSS超詳細教程:雙因素方差分析(Two-way ANOVA)
    我們可以採取以下4種辦法:  (1) 轉換數據;  (2) 因為方差分析對假設5並不是非常敏感,即使殘差不接近正態分布,我們也可以嘗試採用雙因素方差模型;  (3) 檢驗模型結果。因為沒有可以替代雙因素方差分析的非參數檢驗方法,我們只能對比數據轉換前後的模型,判斷直接採用雙因素方差分析是否合理;  (4) 選擇更穩健的雙因素方差模型。  3.2.4 假設6:任一分類都具有等方差性  任一分類都具有等方差性是雙因素方差分析的基本假設,可以通過Levene方差齊性檢驗完成。
  • 【科研加油站】SPSS操作之雙因素方差分析(Two-way ANOVA)
    上一期我們討論了單因素方差分析,本期「科研加油站」欄目,我們一起來探討雙因素方差分析(Two-way ANOVA)。>與其他方差分析一樣,雙因素方差分析對異常值非常敏感。我們可以採取以下4種辦法:(1) 轉換數據;(2) 因為方差分析對假設5並不是非常敏感,即使殘差不接近正態分布,我們也可以嘗試採用雙因素方差模型;(3) 檢驗模型結果。因
  • 【實例講解】雙因素方差分析(Two-way Anova)
    本文作者:徐恩江前面的文章我們介紹了單因素的方差分析
  • SPSS實操教程——單因素方差分析
    我立馬就打住了他的講話,我說你這個方法是不對的,你這樣犯一類錯誤的概率會增大,你是三組,一共比較了3次,一類錯誤的概率就是1-(1-0.05)*(1-0.05)*(1-0.05)。這個時候需要使用方差分析。那怎麼做呢?做分析之前需要思考幾個問題?是不是單因素?是不是獨立?各組應變量是不是符合正態分布?