干货 | 基于JMP的方差分析及两两比较的思路与实现
在之前的文章中,我们介绍了组间比较的基本操作,并在上期文章中详细介绍了t检验在JMP中的实现。t检验是用于检验两组均值差异的统计方法,而本文要讲的则是用于检验多组均值差异的统计方法——方差分析。
为了帮助更多的临床医师学习如何运用JMP高效地开展数据分析,提高日常工作和发表论文的效率,2020年8月起,JMP资深用户、JMP特约专栏作者、资深统计学家冯国双博士及其团队将在JMP数据分析平台为大家分享一系列统计及数据分析、JMP实战操作、JMP分析报表解读等干货内容,每期一个经典话题,帮助大家掌握一个新技能。值得注意的是,这些话题并非仅针对临床医师,对所有运用JMP软件开展数据分析的小伙伴都适用。本文为此系列文章的第13期。
在本文中,我们以图1的数据为例进行讲解。
图1 示例数据
方差分析的基本思想是把全部观察值的总变异分解成组间变异和误差变异,然后将组间变异与随机误差进行比较,从而判断总体均数间的差别是否具有统计学意义。
方差分析是t检验的更一般性的推广,t检验可以看做是方差分析的特例。
因此使用方差分析的前提条件与t检验一致:
①各个样本是相互独立的;
②各组数据服从正态分布;
③各组间的方差相等,即方差齐。
这提示我们在进行方差分析前,需要进行正态性检验和方差齐性检验,这两种检验方法我们已在《如何在JMP中实现正态性检验和方差齐性检验?》文章中进行了详细介绍。
方差分析只能得出组间有差异的结论,然而具体哪几组之间有差异,仍需要进一步统计分析,这时就需要用到两两比较。
常见的两两比较方法有Bonferroni法、Tukey’ HSD法和Dunnett法。
- Bonferroni法
Bonferroni法的思路为在进行两两比较时调整检验水准。通常组间比较以0.05作为检验水准,但在两两比较时,每次比较就会有5%的概率发生I类错误。
Bonferroni法的思路就是通过将0.05除以要比较的次数,降低检验水准,从而减少假阳性错误。如4组两两比较共需比较6次,则两两比较的检验水准需调整为0.05/6=0.0083,即认为p<0.0083才算有统计学差异。但是该方法在比较次数较多时不太适合使用,因为校正后的检验水准会过小。
- Tukey’HSD法
Tukey法是常用的两两比较方法,该方法曾经只能用于各组例数相等的情形,后来提出了改进的Tukey法,可用于各组例数不等的情形。JMP软件提供的就是改进的Tukey法,该方法可作为两两比较的首选方法。
- Dunnett法
Dunnett t检验专门用于比较1个对照组和多个试验组间的差异,试验组之间不做比较。
01 JMP中的方差分析
图1数据中,拟比较不同心功能分级患者的躯体健康评分是否存在差异,心功能分级分为1-4四级,因此这是一个4组间的比较,不能直接用t检验,而应考虑多组比较的方法。
首先通过点选JMP菜单“分析→以X拟合Y”(图2),进入组间差异比较的界面。
图2 方差分析操作——菜单选择
本例中躯体健康评分为结果,心功能分级为分组,因此在对话框中将躯体健康评分放入“Y,响应”,将心功能分级放入“X,因子”(图3)。
图3 方差分析操作——变量选择
进入结果界面后,我们需要结合正态性检验和方差齐性检验的结果选择合适的统计方法。如何进行上述两种检验可参考文章《如何在JMP中实现正态性检验和方差齐性检验?》。
正态性检验结果显示各组数据均为正态分布。方差齐性检验结果见图4。多组数据的方差齐性检验多用Bartlett检验和Levene检验。Bartlett检验主要用于正态分布的数据,Levene检验多用于数据不满足正态分布的情形。
本例中数据为正态分布,采用Bartlett检验结果,结果显示方差不齐(P=0.0224)。
图4 方差齐性检验结果
数据为正态分布但不满足方差齐性检验时采用Welch方差分析(方法选择可参考文章《一个神奇的JMP菜单,实现数据的所有组间比较》)。
Welch方差分析结果见方差齐性检验结果的最后一部分(图5)。结果显示四组间躯体健康评分的差异有统计学意义(F=40.2951,P<0.0001)。
图5 Welch方差分析输出结果
如果数据满足正态性且方差齐,则可直接采用方差分析,尽管从条件来看,本例数据应该用Welch检验,但作为示例,我们同时也介绍一下方差分析的结果如何输出。点击“心功能分级-躯体健康评分”单因子分析旁边的红色三角形按钮,在下拉菜单中选择“均值/方差分析”(图6)。
图6 方差分析操作——方法选择
输出结果见图7,方差分析结果表明四组的躯体健康评分差异有统计学意义(F=16.0080,P<0.0001)。
图7 方差分析输出结果
从上述分析结果可以看出,方差分析的F值与Welch检验结果有一定的差异。因此对于连续变量的组间比较一定要综合考虑其正态性和方差齐性。
02 JMP中的两两比较
如果总的方差分析结果显示无统计学差异,提示各组间均无统计学差异,则无需做两两比较。
但如果总的组间比较结果显示四组的差异有统计学意义,那么通常还需要进行组间两两比较,以明确具体是哪两组之间有差异。
JMP中正态性数据两两比较比较操作在比较均值选项中完成操作,由于我们要比较任意两组之间的差异,可选择Tukey法。
点击“心功能分级-躯体健康评分”单因子分析旁边的红色三角形按钮,在下拉菜单中选择“比较均值→所有对,Tukey HSD”,操作见图8。
图8 两两比较操作
输出结果见图9,结果显示除了心功能分级3和4间无差异,其它组之间都有统计学差异。本例分析结果表明,不同心功能分级人群的躯体健康评分差异有统计学意义(F=16.0080,P<0.0001),除了心功能分级3和4间无差异,其它心功能分级之间的差异都有统计学意义。
图9 两两比较输出结果
以上就是本期我们为大家带来的干货分享。你也可以在JMP中动手试试看。点击这里即可下载最新的JMP 16免费试用。
干货 | 基于JMP的方差分析及两两比较的思路与实现相关推荐
- R语言使用aov函数进行单因素协方差分析(One-way ANCOVA)、使用multcomp包的glht函数检验组均值之间所有成对对比差异、通过contrast参数自定义对比组进行组间两两方差分析
R语言使用aov函数进行单因素协方差分析(One-way ANCOVA).使用multcomp包的glht函数检验组均值之间所有成对对比差异.通过contrast参数自定义对比组进行组间两两方差分析( ...
- R语言实战应用精讲50篇(十一)-单因素方差分析 | 事后两两多重比较 | 趋势方差分析
示例 关于Excel数据指标分析,已经上传到个人资源,以下是链接,需要的小伙伴可自取. Excel数据分析工具库(t检验.Z检验.方差分析.回归.协方差.相关系数.双样本方差分析) https://d ...
- CV:基于keras利用cv2自带两步检测法对《跑男第六季第五期》之如花片段(或调用摄像头)进行实时性别脸部表情检测
CV:基于keras利用cv2自带两步检测法对<跑男第六季第五期>之如花片段(或调用摄像头)进行实时性别&脸部表情检测 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心 ...
- 机器视觉:基于压缩方式的视频采集卡的两大类别
机器视觉:基于压缩方式的视频采集卡的两大类别 视频采集即将视频源的模拟信号通过处理转变成数字信号(0和1),并将这些数字信息存储在电脑硬盘上的过程.视频采集卡的压缩方式可分为软压缩与硬压缩,两者的区别 ...
- 基于ArcGIS JS API实现的两种距离和面积测量方式
文章目录 前言 开发思路 主要代码 效果测试 效果图 测试页面 开发总结 参考链接 前言 在一些地图地图应用中,距离.面积测量属于基础功能.ArcGIS API for JavaScript有单独提供 ...
- “直接基于成本法”与“模拟权益法”两种合并报表模式比较与分析:响应新准则
"直接基于成本法"与"模拟权益法"两种合并报表编制模式比较与分析 --对新准则的响应(一) 在编制合并财务报表时,存在两种模式,一种方法是直接基于成本法编制,一 ...
- Matlab/Cplex代码:基于消纳责任权重的两级电力市场优化运行模型
Matlab/Cplex代码:基于消纳责任权重的两级电力市场优化运行模型 参考全球能源互联网的<基于消纳责任权重的两级电力市场优化运行模型> Highlights:省间可再生能源交易,双层 ...
- 基于web端和C++的两种深度学习模型部署方式
深度学习Author:louwillMachine Learning Lab 本文对深度学习两种模型部署方式进行总结和梳理.一种是基于web服务端的模型部署,一种是基... 深度学习 Author:l ...
- 基于python实现车辆测速两种的方法
基于python实现车辆测速两种的方法 姓名:黄镜轩 院系:机电工程学院 班级:车辆工程1班 联系方式:QQ - 3326078070 本文参考了: 案例-使用python实现基于opencv的车辆识 ...
- 基于JMP的分类资料组间比较的卡方检验
在前几期的文章中,我们分别介绍了t检验.方差分析等用于组间均值比较的方法.今天的文章,我们来主要介绍一下常用于组间率或比例比较的方法--卡方检验. 为了帮助更多的临床医师学习如何运用JMP高效地开展数 ...
最新文章
- 网络安全中的AI:2021年的六个注意事项
- 搭建Hexo部署到github上
- 在 Java 中利用 redis 实现 LBS 服务
- new和malloc的区别
- python socket单线程通信
- 001_JSON-lib下载和文档
- 六十七、完成Vue项目首页图标区域布局和逻辑实现
- boost::statechart模块自定义反应测试相关的测试程序
- python 画树 递归_python递归函数绘制分形树的方法
- hive-05-Execution Error, return code 3 from org.apache.hadoop.hive.ql.exec.mr.MapredLocalTask
- Luogu4491 [HAOI2018]染色 【容斥原理】【NTT】
- 《上海悠悠接口自动化平台》体验地址与使用教程
- 《老路用得上的商学课》46-50学习笔记
- 数据中心加湿系统计算及方法探讨【新规范加湿方式对比及计算分析】
- 生物信息学|通过整合药物表型、治疗、化学结构和基因组特征,使用机器学习预测药物-药物相互作用
- 一加5android,不输Lineage OS,一加5刷入Paranoid Android体验
- asp.net配置文件connectionStrings加密和解密
- PDF免费转PPT值得您收藏使用的网站
- 最短路径模板+解析——(FLoyd算法)
- 于我,过去,现在以及未来