往期回顾:
运用哪一种统计方法需要先确定数据类型,一种是均值,一种是比值,对于后者,那就得运用卡方检验(点这里),而前者运用的是 T 检验,之前我们讲到单尾 T(点这里)和双尾 T(点这里)的作图,但是 T 检验知识针对两列数据的均值比较,那如果数据有多列则如何是好?那么,就要用到今天讲到的方差分析。
单因素方差分析 One-Way ANOVA:
t 检验适用于两列数据的均值比较。
单因素方差分析适用于两列或更多列数据的均值比较。
但对于两列数据的均值比较,单因素方差分析 = 等方差假设的双尾 t 检验。
【实验操作 1】One-Way ANOVA:
设定 4 个实验组,每组 6 只荷瘤裸鼠,总共 24 只裸鼠。
按组别注射给药(相同剂量和频率),给药 15d 后解剖出肿瘤,称量瘤重 mg 如下:
适用的统计方法:One-Way ANOVA and its post test 单因素方差分析和多重比较
该问题有争议的统计方法:t 检验
请按统计学规范来回答如下问题:
1. 注射该药物或其制剂是否会显著影响瘤重?【该问题的科研意义一般不大】
2. 在抑制肿瘤方面,研究制剂 Liposome 是否有效?
3. 研究制剂是否比市售制剂更有效?研究制剂是否可以作为市售制剂的替代品?
【实例操作 2】自由度的理解:
自由度,degree of freedom,缩写 df
自由度越高,下结论越有把握。
对于刚才那个有争议的问题,ANOVA 的自由度比 t 检验更高。
争议:使用方差分析还是 t 检验?
我只对研究制剂和市售制剂感兴趣,只想比较这两个关键组。是用方差分析后多重比较?还是直接对两列进行 t 检验?
浩然的观点:推荐使用方差分析,不排斥使用 t 检验,随机应变。但在论文中标注显著性差异时要标上统计方法。
ANOVA 和 T 检验都涉及了方差齐性假设,虽然可以 Bartlett’s test 或 Levene’s test 来衡量方差齐性(数据量小仅供参考),但多数时候方差齐性假设是经验性的。
方差分析:使用高风险的假设获得高收益,T 检验:使用低风险的假设获得低收益
显著性差异是针对某一统计方法的:
统计学的精髓在于:在处理同类问题时,不同工作者都采用相同的统计分析方法。论文中标注显著性差异时,要标上所使用的统计分析方法。
「Statistically significant」is not the same as「scientifically important」.
我是教统计的,但我不迷信统计,我希望我的学生也不迷信统计。——我的统计学老师安老师是这么说的。
「statistically significant」不等于「scientifically important」:
1. scientifically unimportant
使用等方差假设的双尾 t 检验,P<0.0001<0.05,有显著性差异,statistically significant,但提升幅度仅有 1%
scientifically unimportant (Trivial)
2. scientifically important
使用等方差假设的双尾 t 检验,P<0.0001<0.05,有显著性差异,statistically significant,但提升幅度高达 200%
scientifically important
方差分析的所有类型:
本文转载自 freescience 微信公众号。