任风吹
我的实验设计的目的是观察A、B两个因子在某种疾病中随时间的变化规律以及了A和B两者有无相关性,实验设了0h、1h、3h等10个时间点，每个时间点一组，每组5只动物，对照组是0h的。A、B两个因子的测定方法是做的免疫组化，用图形分析软件测得原始数据，我只列了一个指标的数据，数值特别小，另一组数据的值也挺小的。有一部分结果“A原始数据”后我用spss统计了一下，用单因素方差分析，LSD，SNK两两比较，虽然方差不齐，但是LSD，SNK两两比较结果比较理想，另外个体数有多有少。我补充了一些数据存在“A原始数据补充”里面，统计之后方差不齐，两两比较结果也不理想。请问各位大虾应该用什么统计方法，用单因素方差分析是不是必须作方差齐性检验，现在方差不齐怎么办，补充后的数据能不能调整一下得到我理想的结果？
多谢各位
任风吹
我不会添加附件，把"A原始数据"直接粘贴如下，不好意思
group X
1 0.000888472
1 0.000689256
1 0.000415624
1 0.002264114
2 0.002786453
2 0.000888472
2 0.000888472
2 0.001009402
2 3.4579E-05
3 0.004465076
3 0.001313867
3 0.005237868
3 0.009105735
3 0.003015855
3 0.005437352
3 0.002588719
3 0.005273232
4 0.005776052
4 0.00476333
4 0.010500214
4 0.00685363
4 0.013283157
4 0.005833868
4 0.015189565
4 0.01407485
4 0.0218133
4 0.011821985
4 0.009255084
4 0.005854743
4 0.00878654
4 0.011849724
4 0.009953075
4 0.003036451
4 0.009645864
4 0.008206013
4 0.012270887
4 0.011121147
5 0.016683601
5 0.006003097
5 0.009424236
5 0.004188834
5 0.006522528
5 0.006775719
5 0.014093961
5 0.011969405
5 0.02176504
5 0.012814761
5 0.02005474
5 0.013943003
6 0.010584103
6 0.01322352
6 0.012247728
6 0.021653265
6 0.010582834
6 0.022382406
6 0.022009868
6 0.008556528
6 0.005413855
6 0.005653603
6 0.008533086
6 0.010686343
7 0.012913247
7 0.00851636
7 0.013506202
7 0.011707528
7 0.006386773
7 0.01168742
7 0.013708478
7 0.009907122
7 0.009381331
7 0.017864862
7 0.020012762
8 0.012766285
8 0.010429821
8 0.016632306
8 0.01143951
8 0.013884772
8 0.011704233
8 0.013298895
8 0.010813833
8 0.014781282
8 0.01227261
8 0.016959599
8 0.011142259
8 0.012080392
8 0.012652719
8 0.013754495
8 0.008304909
8 0.011321079
8 0.012807605
8 0.029219874
8 0.020293643
8 0.034585616
9 0.005969257
9 0.002264114
9 0.006892562
9 0.004975659
9 0.006128678
9 0.006892562
9 0.006886433
9 0.004294847
9 0.004156242
10 0.005297307
10 0.003593044
任风吹
补充后的A原始数据
N A B C D
0.000888472 0.002786453 0.004465076 0.005776052 0.016683601
0.000689256 0.000888472 0.001313867 0.00476333 0.006003097
0.000415624 0.000888472 0.005237868 0.010500214 0.009424236
0.002264114 0.001009402 0.009105735 0.00685363 0.004188834
0.000366202 3.4579E-05 0.003015855 0.013283157 0.006522528
1.07154E-05 9.83827E-05 0.005437352 0.005833868 0.006775719
0.000791803 0.003200358 0.002588719 0.015189565 0.014093961
0.002177929 0.001049897 0.005273232 0.01407485 0.011969405
0.002070233 0.002092883 0.004216853 0.0218133 0.02176504
0.001443137 0.002588235 0.004229009 0.011821985 0.012814761
0.000741248 0.001768555 0.003487633 0.009255084 0.02005474
0.000888037 0.001047432 0.004299448 0.005854743 0.013943003
0.000414024 0.00103997 0.005710449 0.00878654 0.008252633
0.000586579 0.000520713 0.004938038 0.011849724 0.009766161
0.00166225 0.001733546 0.0036581 0.009953075 0.006323449
0.001118076 0.001645638 0.004304794 0.003036451 0.00976243
0.000626126 0.000250525 0.005270267 0.009645864 0.008688986
0.000471718 0.000547041 0.004611703 0.008206013 0.007196597
0.002437512 0.001756023 0.005484778 0.012270887 0.009792417
0.011121147
任风吹
补充后的A原始数据
E F G H I
0.010584103 0.012913247 0.012766285 0.005969257 0.005297307
0.01322352 0.00851636 0.010429821 0.002264114 0.003593044
0.012247728 0.013506202 0.016632306 0.006892562 0.004495415
0.021653265 0.011707528 0.01143951 0.004975659 0.006710136
0.010582834 0.006386773 0.013884772 0.006128678 0.004341115
0.022382406 0.01168742 0.011704233 0.006892562 0.004821567
0.022009868 0.013708478 0.013298895 0.006886433 0.003601093
0.008556528 0.009907122 0.010813833 0.004294847 0.002854674
0.005413855 0.009381331 0.014781282 0.004156242 0.004836166
0.005653603 0.017864862 0.01227261 0.005495593 0.00519431
0.008533086 0.020012762 0.016959599 0.004835402 0.005085673
0.010686343 0.014053603 0.011142259 0.005133641 0.003835759
0.011161856 0.010830204 0.012080392 0.003625913 0.002799929
0.011505427 0.016434535 0.012652719 0.005773221 0.003988836
0.015945678 0.013528448 0.013754495 0.008027797 0.005414565
0.011877901 0.011732925 0.008304909 0.004790774 0.004318926
0.008467099 0.015059235 0.011321079 0.004504443 0.005009932
0.011492426 0.011236063 0.012807605 0.005443178 0.006210313
0.011398502 0.016107284 0.029219874 0.006213161 0.002668063
0.020293643 0.005590503 0.004490307
0.034585616
TTG
没大看明白数据，似乎每个group的个数不一样多啊
但是至少据我所知，方差分析要求数据1,正态2齐方差3相互独立。如果不满足的话，可以考虑非参数检验。
而且看这个数据似乎是重复测量设计资料，即使齐方差处理起来也挺复杂的。
任风吹
那些数据我测出来一部分试着统计的，所以每组个体数不一样，因为这些数的统计结果LSD和SNK在假设方差齐的情况下结果很理想，我主要想说明我理想的两两比较结果，就发上去了，后来补充数据后再统计方差也不齐，两两比较结果也不理想，调整数据也没个方向，只好求助 ，拜托各位高手了
任风吹
我考虑过用重复测量方差分析，因为我的实验动物到相应的时间点就处死了，只测一次结果，不像重复测量方差分析中一个个体在不同的时间点多次测量，所以就放弃了这种方法，选择了单因素方差分析，不知道我的想法对不对？
hexm26
感觉这是一个很有意思的试验。不过，你对试验的描述太模糊，结合你的头２贴，我都看不懂你的意思。最好你再说清楚一点，group表示什么（是指你第一贴中的什么），X是什么，为什么group中的１有４个观测值，而２有５个，３有８个，等等。方差非齐性的问题可以解决，但依据你提供的试验背景材料。只要你能提供我要的条件，我可以帮你解决这个问题。
TTG
如果是A、B两组观察，每组10个时间点，每时间点每组观察5只，观察后处死的话，那么就是说总共用了100只动物。
如果方差不齐解决的话，做一个2*10的析因方差分析好不好呢？
任风吹
真不好意思，我的实验描述能力太差了，浪费了大家的时间，谢谢楼上的提醒，要不我还以为说明白了呢。group表示实验分组1表示0h时间点（对照组N）的，2表示1h时间点（实验组A），3表示3h时间点的（实验组B）依此类推。x表示给观测值，每组的观测值不均衡是因为我作实验有了一部分数据（A原始数据）后就试着统计了一下，虽然方差不齐，但两两比较的结果比较理想。后来补充数据（补充后的A原始数据）后不仅方差不齐，两两比较的结果也不理想，为了说明我的理想的两两比较结果，我A原始数据发了上去，可能误导了大家，抱歉！
任风吹
[quote]引用第8楼TTG于2007-08-14 09:25发表的“”:
如果是A、B两组观察，每组10个时间点，每时间点每组观察5只，观察后处死的话，那么就是说总共用了100只动物。
如果方差不齐解决的话，做一个2*10的析因方差分析好不好呢？[/quote]
我还是没说太明白 ，我的实验是按时间点分组，10个时间点10组，每组5只动物，每只动物处死后测量A 、B两种指标，共用了50只动物。
robustreg
首先，不是重复测量，其次，如果看上去你的10个时间点就是10个处理组的话，，有点，，不知道处理因素和时间是什么关系？如果没关系，那就没那么复杂，除非你A,B两个指标放在一起作为一个整体做多元方差分析，如果A,B指标分开做的话，就是一个单因素方差分析，10个组，每个组设计的时候是5例，由于动物不听话，东一只，西一只的死，搞得每组样本例数多多少少的，方差不齐的样子，，，我高度疑惑，你的时间点和group到底是不是一回事？是的话，，，有点搞不懂，处理因素和时间的作用怎么分开呢？
TTG
我还是不大明白。看你补充后的A的原始数据，N、A、B这些应该是对应不同的时间点吧，正好是10个时间点，但每组是5只动物，应该只有5个观测值啊，为什么每组的观测值反而是19到20个不等呢？
任风吹
实验设计是按每组5只设计的，动物模型是手术建立脑缺血的模型，统一建立模型后按设计的时间点取材，0h、1h、3h、6h、9h、12h、24h、48h、72h、120h等10个时间点，0h是对照组也就是假手术组，分别用N、A、B、C、D、E、F、G、H、I表示。对实验动物手术后等时间点的过程中不对动物作其他处理。像楼上robustreg说的“由于动物不听话，东一只，西一只的死，搞得每组样本例数多多少少的”后来又补充了几只动物，补充数据。
实验动物取材后，标本切片，每个动物两张切片分别用a、b两个因子抗体做免疫组化染色，每张切片显微镜下拍4张照片，用图形分析软件测得到a、b两个因子的原始数据每张照片得一个数，5只动物得20个数，代表这一组的个体数。
任风吹
我也有点晕了
friend
虽然我没看明白你的数据的意思，但我猜你是做的是灰度分析吧，这种类似实验的数据我钱段时间给同学处理过，我想用析因设计的方差分析应该可以了... ...
TTG
好像有点明白了，个人认为：在方差齐的条件下，如果只是想知道A指标各时间点间有无不同，做单因素的方差分析应该就可以。如果要知道A\B两个观察指标随时间的有无不同，A \B两指标间有无不同，和两指标与时间有无交互作用，可用2×10析因分析。如果这两个指标是共同描述一个对像的指征的话，那么就作一个两变量的hotelling T2的检验。
仅供参考。
任风吹
太好了。楼上的终于明白我的数据的意思了，主要我描述能力太差 ，试验一方面是看A指标各时间点间有无不同，B指标各时间点间有无不同。现在问题是方差不齐，不知道怎样调整数据能让方差齐了。
另一方面，是想看看A、B的变化有无相关性，理论上Ｂ是Ａ的下游基因，Ａ与Ｂ成正相关。
谢谢各位
hexm26
说实话，我还是对你的试验有些不明白。
根据你１３楼的回答，你是不是在试验一开始就准备了５０只动物，试验开始时没有任何手术，取出５只动物作切片，作为参照组（N）；剩下的４５只作手术，１个小时以后取出５只再作切片，作为A组（假设你的h是小时的意思）；３个小时以后，再从剩下的４０只里面取５只作切片，作为B组，依此类推。。。其中５只或许不是任意取的，而是事先分好了组的（如何术前分组的随机化我们暂且不论）；在试验最后１２０个小时结束前有动物死亡的发生，于是你找了写其他的动物来替代，但必须满足是术后X小时的要求。不知道我对试验的理解描述是不是正确的？
还是１３楼的贴子，你说：“每个动物两张切片。。。每张切片显微镜下拍4张照片。。。每张照片得一个数。。。5只动物”，那么根据计算应该是2 X 4 X 1 X 5 = 40，怎么会只有２０个数呢？
hexm26
还有你反复提到“A原始数据”，是不是指你的数据只含有A因子的观测值？如果是这样，是不是我们可以只从分析A因子的时间变化开始，而B因子的关系等数据有了再分析？
