freetest
各位大侠:小弟最近遇到一个棘手问题:
数据分试验组与对照组,测量指标为血压测量5次,经重复测量的方差分析结果显示:5次测量间差别有统计学意义,但是我想知道具体哪几次测量间有差别。
有人提出2种方法:
1.在5次测量间差别有统计学意义的情况下,直接比较5次的均数,做均数图。
2.将资料的5次测量进行两两比较 。
究竟哪个更合理希望大家指教一下,谢谢!
手背
用轮廓分析就可以了,选择合适的矩阵
huadli
采用重复测量数据的混合效应模型
可以得到组间,时间以及时间和组的交互效应,,一般将时间和组的交互效应作为组间差异效应,可以在五次测量中某次作为对照组,其它四次与其比较,也可以两两比较
好象proc glm 过程的repeat的选项可以实现,也可以用proc mixed过程
robustreg
有个问题,交互作用有意义的时候,还能直接作主效应的两两比较么?不能了
hexm26
[quote]引用第3楼robustreg于2007-07-17 05:40发表的“”:
有个问题,交互作用有意义的时候,还能直接作主效应的两两比较么?不能了[/quote]
当然也可以做,但要看你怎么解释了,要在交互作用有意义的前提下进行讨论才有意义。
robustreg
有交互作用的时候,要在A因素各水平下计算B因素的单独效应,B因素的主效应这时候无法解释的,
交互作用无意义,才解释主效应
rtist
有交互作用,也并不一定完全不能解释主效应。比如A1B1-A1B2不等于A2B1-A2B2,也就是就有交互作用,但是如果两者符号相同,则A1B1和A1B2永远都比A2B1和A2B2高,这样A的主效应仍然可以解释——不管B在什么水平上,尽管B在A的各个水平上的作用不同,但是平均B的效应后A1主效应总是高于A2很多。A1B1-A1B2与A2B1-A2B2的符号不同的时候则比较难于解释。
hexm26
[quote]引用第6楼rtist于2007-07-18 23:50发表的“”:
有交互作用,也并不一定完全不能解释主效应。比如A1B1-A1B2不等于A2B1-A2B2,也就是就有交互作用,但是如果两者符号相同,则A1B1和A1B2永远都比A2B1和A2B2高,这样A的主效应仍然可以解释——不管B在什么水平上,尽管B在A的各个水平上的作用不同,但是平均B的效应后A1主效应总是高于A2很多。A1B1-A1B2与A2B1-A2B2的符号不同的时候则比较难于解释。[/quote]
同意!这也是我想说的。
有的时候,A和B有相互作用,你可以断定在B(比如说时间)的存在情况下,A(比如说药物)的作用是显著的;但即使B不存在的情况下,A仍然是有显著作用的可能,这点不能因为相互作用显著而否定。只是在A和B两条线有交叉点的时候,解释比较麻烦,视具体情况而定!
robustreg
问题:是不是说单独效应的平均表示主效应?什么时候可以平均什么时候不可以平均呢?前提是交互作用总体上statistically sig.
如上述分两种情况,交叉和不交叉(但总体上都是不平行的),是不是说样本看上去交叉了就不能把单独效应平均为主效应(可能是0,变得好像此因素无意义了,但即使看上去无意义的这个低阶作用也要包含在模型中),不交叉(如上述“不管B在什么水平上,尽管B在A的各个水平上的作用不同,但是平均B的效应后A1主效应总是高于A2很多”)就能平均了(不为0)?
这样的话是不是从样本来看问题了?统计学的研究对象是总体,总体不平行(就是说有交互作用),怎么判断主效应是可以还是不可以作为单独效应的平均呢?所谓“交互作用存在时主效应解释比较复杂”,我认为这种复杂是自己造成的,导致了什么时候可以平均什么时候不可以平均的解释上的复杂性,不如干脆,就认为交互作用存在时不解释主效应,就解释单独效应来得明确,因为此结论是从总体说的,不是看样本
再例如,协方差分析,分组因素和协变量的交互作用存在就表示两条回归线不平行,这个时候一般是分开做两条回归线的,而不论两条线是交叉还是不交叉
rtist
我说的都指的是总体。
用你的话来说,你怎么知道总体上不平行呢?难道你不是看样本么?
你判断平不平行可以看样本作检验,别人看交不交叉怎么就不许看样本呢?
假如A药对某病的两种亚型均有效,但是仅对其中一种亚型有特效。现在来一个患该病的病人,但是还没来得及检测出属于何种亚型,那你给不给他开这个药?我想多数医生都会选择给药,因为不管是哪种亚型,A药都有治疗作用。这无形中就解释了A药的主效应。如果不承认主效应可以解释,那么你在这种情况下就永远无法给药,只能等待亚型检测结果出来再说;患者要是没等到结果出来就死了算不算医疗事故?
robustreg
呵呵,给药也是按照单独效应(有效和有特效)给的,如果知道一型无效而另一型有特效,此时非要解释平均的主效应表现的是有效的,你给药还是不给药呢?按主效应的结果给了有可能是医疗事故哦
这样说吧,一定是针对总体,而不是看样本交叉不交叉或者平行不平行,交互作用存在时(就是不平行,包括交叉),模型中的主效应项如果有统计学意义, 主效应是可以解释的,如果此时主效应无统计学意义,不能就下结论此因素无意义,而要看单独效应,应该这个意思吧?
我的认为是,交互作用显著时,主效应显著不显著,都不去解释它,而按照各水平的单独效应去解释
longoR
从来没人说过主效应全都能解释。大家举的例子也都是在有些情况下主效应完全可以解释,有些情况下很难解释。没必要一概而论。能解释的时候也不解释,或者不能解释的时候非要解释,都是不合理的。
另外什么叫“主效应有统计学意义”?主效应的统计学意义就是一个未知的均值。这个意义永远都不会失去,不存在没有意义的情况。所谓的意义是这个参数对实际问题的意义,是指的物理意义(或者生物意义等等)。解不解释要看能不能解释,有没有实际意义,这和统计意义没关系。大多数人说的所谓没有统计学意义,都指得在其统计方法下没有得到足够多的证据来否定无效假设。这种说法真得很糟糕。主效应为零的检验显不显著,和主效应究竟是不是零是两回事。
longoR
就像有些人从来不用nonlinear mixed model一样,因为他认为没法解释参数所以就从来不用。
统计作为science的部分可以辩,作为art的部分是永远都辩不清的。
dinghl2006
不知道用的是什么方法,如果用的SPSS的话,在OPtion中将血压选入Display means for,选Compare main effects其中LSD就是两两比较有无差异