1、医学统计学高级统计学课后部分习题答案11-多因素实验资料的方差分析11-3（1）本题为4个处理组的22析因涉及，因分成3天进行，若将每天的实验结果设为一个区组，先进行随机区组的方差分析:方差分析表1变异来源dfSSMSFSig.总变异11818.369区组间23.7621.881.230.801处理组间3765.529255.17631.196.000误差649.0788.180从上表可以看出，各区组间差异无统计学意义，即各天的实验结果间无差异。（3）依据完全随机设计析因试验方法进行方差分析方差齐性检验表Fdf1df2Sig.1.429380.304P值大于0.05，尚不能认为方差不齐。方差分
2、析表2变异来源dfSSMSFSig.总变异11818.37试样处理方式（A）1716.11716.11108.420.000试样重量（B）136.4036.405.510.047AB 113.0213.021.970.198误差852.846.605结局：可以认为高锰酸盐处理及试样重量均会对甘蓝叶核黄素浓度测定产生影响，尚不能认为高猛酸盐及试样重量的交互作用会对甘蓝叶核黄素浓度测量有影响。11-4假定不存在高阶交互作用，仅对A、B、C、D、E5个因素的主效应进行分析，采用正交设计的方差分析法：正交设计的方差分析变异来源dfSSMSFSig.总变异153495.366A1540.911540.9
3、1121.714.001B11743.6891743.68969.998.000C1787.223787.22331.602.000D182.03882.0383.293.100E192.40092.4003.709.083误差10249.10424.910从上表可以看出，A、B、C三个因素的主效应有统计学意义（P0.05），即A、B、C三个参数对高频呼吸机的通气量有影响。11-5随机区组的裂区设计，一级实验单位的变异来自于A因素主效应、区组变异及个体间误差，二级实验单位的变异来自于B因素的主效应、AB的交互效应以及个体内的误差，见下表。随机区组裂区设计的方差分析变异来源dfSSMSFSig.
4、二级单位总计19146.1375 家兔间（一级单位总计）981.013注射药物（A）163.01363.01347.557.002区组412.7003.1752.396.209个体间误差45.3001.325部位间（一级单位总计）1065.125毒素浓度（B）163.01363.013252.050.000A * B1.113.113.450.521个体内误差82.0000.25从上表结果可以看出:无论是低浓度毒素还是高浓度毒素所致的皮肤损伤，抗毒素注射后的皮肤受损直接均小于对照组，全身注射抗毒素对皮肤损伤有保护作用。12-重复测量设计资料的方差分析12-2数据为重复测量资料，方差分析表如下：
5、方差分析表变异来源SSdfMS FSig.时间主效应4500.00014500.000238.095.000时间处理28.800128.8001.524.252个体内误差151.200818.900处理主效应45.000145.0001.837.212个体间误差196.000824.500从上表可以看出:(1)两种方法治疗前后中度甲亢患者心率测量结果有差别（P0.05）(3)测量前后与处理不存在交互作用（P0.05），即两种方法治疗前后心率的变化幅度相同。12-5(1)进行球型检验within subjects effcetMauchly Wapprox.chi-squaredfSig.Eps
6、ilonbGreenhouse-GeisserHuynh-Feldtlower-boundt.11927.0285.000.675.847.333P0.05，不满足球形检验，需进行校正(2)重复测量资料方差分析结果测量时间及其与药物剂型交互作用的方差分析表sourceSSdfMS FSig.tsphericity assumed26560.0538853.34974.972.000Greenhouse-Geisser26560.052.02613107.07074.972.000Huynh-Feldt26560.052.54110453.51974.972.000lower-bound2656
7、0.05126560.04674.972.000t * Gsphericity assumed16614.5335538.17746.898.000Greenhouse-Geisser16614.532.0268199.07646.898.000Huynh-Feldt16614.532.5416539.15846.898.000lower-bound16614.53116614.53246.898.000error (t)sphericity assumed4959.7642118.089Greenhouse-Geisser4959.7628.369174.827Huynh-Feldt4959
8、.7635.571139.433lower-bound4959.7614354.268新旧剂型患者血药浓度比较的方差分析表sourceSSdfMSFSig.intercept493771.91493771.870729.972.000G59.9159.9160.089.770error9470.014676.425结论：使用不同剂型患者血药浓度没有差别；使用前后患者血药浓度存在明显差别；不同剂型使用前后血药浓度的变化幅度不同。15-多元线性回归分析（1）以低密度脂蛋白中的胆固醇（Y1）为应变量：方差分析表1变异来源平方和df均方FP回归18530.40844632.6028.0900.0002
9、5残差14316.25825572.650总计32846.66729回归参数估计及其检验结果1变量BSbbtSig.(常量)-0.82947.773-0.0170.986载脂蛋白A10.2330.1970.1651.1810.249载脂蛋白B1.3250.2820.7144.6990.0001载脂蛋白E-0.1242.783-0.008-0.0450.965载脂蛋白C-2.3850.765-0.494-3.1190.005决定系数：R2=0.564 调整的决定系数：R2=0.494按=0.05检验水平，回归方程中X2和X4有统计学意义，即低密度脂蛋白中的胆固醇与载脂蛋白B及C之间存在线性关系。
10、以高密度脂蛋白中的胆固醇（Y2）为应变量：方差分析表2变异来源平方和df均方FP回归4392.58141098.14522.4870.0001残差1220.8862548.835总计5613.46729回归参数估计及其检验结果2变量BSbbtSig.(常量)-2.132313.9511-0.15280.87975载脂蛋白A10.483310.057640.825478.385460.00000载脂蛋白B-0.05270.08235-0.0687-0.64010.52794载脂蛋白E-0.29440.81278-0.0457-0.36220.72027载脂蛋白C-0.4150.22331-0.2
11、078-1.85830.07494决定系数：R2=0.783 调整的决定系数：R2=0.748按=0.05检验水平，回归方程中X1有统计学意义，即高密度脂蛋白中的胆固醇与载脂蛋白A1之间存在线性关系。（2）自变量筛选设定进入、剔除标准分别为入=0.05和出=0.10以低密度脂蛋白中的胆固醇（Y1）为应变量，向前法纳入变量为X2、X4，向后法纳入变量为X2、X4，逐步回归法纳入变量为X2、X4，三者结果无差异；以高密度脂蛋白中的胆固醇（Y2）为应变量，向前法纳入变量为X2、X4，向后法纳入变量为X1、X4，逐步回归法纳入变量为X1、X4，三者结果无差异；（3）以X1-X4为自变量，Y2/Y1为应
12、变量，使用逐步回归法分析，设定进入、剔除标准分别为入=0.05和出=0.10，结果如下：方差分析表3变异来源平方和df均方FP回归0.283352730.0944546.84650.0000残差0.0524207260.00202总计0.335773429回归参数估计及其检验结果3变量BSbbtSig.(常量)0.355430.088474.017750.0004载脂蛋白A10.002640.000360.582887.357160.0000载脂蛋白B-0.00360.00048-0.6116-7.50740.0000载脂蛋白C0.003330.001230.215862.700020.012
13、决定系数：R2=0.844 调整的决定系数：R2=0.826与前面的分析结果相比，用Y2/Y1作为应变量，与单独使用Y1或者Y2的回归方程决定系数及调整的决定系数更高，说明高、低密度脂蛋白中的胆固醇含量的比值，较单纯的低密度脂蛋白中胆固醇的含量或者单纯高密度脂蛋白中胆固醇的含量，对诊断动脉硬化lemme个更有意义。（4）残差分析由标准化残差分析图可以看出，散点分布不是十分均匀，存在先下后上的趋势，并不满足回归分析的条件，且有一个点超过了2，属于离群值。（5）分析结果血清低密度脂蛋白中的胆固醇含量与载脂蛋白B和C有关，与载脂蛋白B成正相关，载脂蛋白C成负相关；高密度脂蛋白与载脂蛋白A1成正相关，
14、载脂蛋白C成负相关；与高、低密度脂蛋白中的胆固醇含量的比值作为综合指标衡量动脉硬化，得到的结果与载脂蛋白A1、B及C有关。16-Logistics回归二、（1）各因素赋值说明因素变量名赋值性别X1男=0，女=1年龄组X27=1，10=2，13=3，16=4胆固醇X35.18=0,5.18=1甘油三酯X40.05，说明X3没有纳入模型的必要。3）模型3：认为肥胖的发生与性别、年龄组、胆固醇及甘油三酯含量相关logitP=0+1X1+2-1X2-1+3-1X3-1+4-1X4-1+4X4参数估计及假设检验3变量BS.E,WalsdfSig.Exp (B)性别X1-0.5000.1867.19010
15、.0070.607年龄组X2(1)0.9270.29010.23510.0012.528年龄组X2(2)0.4540.3142.08810.1481.574年龄组X2(3)-0.3350.3051.20810.2720.716甘油三酯X40.7030.18714.08110.0002.020常量-2.4160.26185.72710.0000.089-2logL1=852.959317引入X4后，对其回归系数进行检验，P0.05，说明扣除性别与年龄影响后，甘油三酯与肥胖仍存在明显关系。对模型1、2、3的似然值进行比较，模型3模型1，说明模型3优于模型1，使用模型3拟合效果更好。20-判别分析2
16、0-1Bayes判别(1)先验概率：p=1/3(2)判别函数计算Bayes线性判别函数系数估计值1变量判别函数Y1Y2Y3X1.028.156.086X22.2853.7454.400X3.7562.301.390X42.901-.0111.063X52.1261.674-.160X6.055.137.112X7.078-.134.042(常量)-4.920-12.776-7.763Y1=0.028X1+2.285X2+0.756X3+2.901X4+2.126X5+0.055X6+0.078X7-4.920Y2=0.156X1+3.745X2+2.301X3-0.011X4+1.674X5+
17、0.137X6-0.134X7-12.776Y3=0.086X1+4.400X2+0.390X3+1.063X4-0.160X5+0.112X6+0.042X7-7.763(3)判别效果评价：回顾性估计 误判概率8/63=12.70%回顾性判别效果评价原分类判别分类合计123129033221102133111618合计31112163逐步判别(1)确定变量筛选、:给定=0.05，=0.1；(2)筛选变量第一步：X1入选，F=28.028；第二步：X5入选，F=17.519；第三步：X6入选，F=15.307；第四步：X7入选，F=13.211；(3)先验概率取等概率，建立Bayes判别函数B
18、ayes线性判别函数系数估计值2变量判别函数Y1Y2Y3X10.0120.1190.058X53.0201.9220.792X60.0490.1270.105X70.111-0.0520.109(常量)-3.631-9.784-5.749Y1=0.012X1+3.020X5+0.049X6+0.111X7-3.631Y2=0.119X1+1.922X5+0.127X6-0.052X7-9.784Y3=0.058X1+0.792X5+0.105X6+0.109X7-5.749(4)判别效果评价 回顾性估计 误判概率为12/63=19.05%原分类判别分类合计1231270532211021332
19、21418合计3012216321-聚类分析21-11使用系统聚类法（最大相似系数法）对变量进行聚类图21-1根据系统分类图（图21-1），若分为三类，则X6、X12、X3、X1、X10、X7、X5、X2、X8、X11为一类，X4为一类，X9为一类。2使用系统聚类法（类平均法）对样品进行聚类图21-2根据系统分类图（图21-2），若分为三类，则13、16、15、29、14、23、24、21、22、12、28、10、17、11、20为一类，1、6为一类，8、9、2、3、7、4、5为一类。3使用动态聚类法对样品进行聚类根据SPSS结果，分成以下三类。类别样品编号11、6、9210、11、12、13
20、、14、15、16、17、28、29、20、21、22、23、2432、3、4、5、7、821-31使用系统聚类法（类平均法）对指标进行聚类图21-3根据系统分类图（图21-3），若分为三类，则可食率、果形指数、风味、色泽、TA为一类，维生素C含量、硬度、TSS、固酸比为一类，单果重为一类。2使用系统聚类法（最大相似系数法）对指标进行聚类图21-4根据系统分类图（图21-4），若分为三类，则4为一类，54为一类，其余为一类。22-主成分分析与因子分析22-1主成分分析利用SPSS进行主成分分析，得到如下结果（表22-1至表22-）表22-1 简单统计量Cppicpmapsbpdbp均值0.0517-0.02730.0050-0.00600.0773标准差0.15950.23660.21820.12300.1746表22-2 相关矩阵的特征值成份初始特征值贡献率累积贡献率13.16963.38563.3852.99519.90783.2923.50110.01193.3034.3256.49299.7965.010.204100.000表22-3 相关矩阵的特征向量Z1Z2Z3Z4Z5Cpp.950-.239-.170-.074.077icp.248.966-.072.017.018map.771.029.635.042.000sbp.878-.
