统计教程|PASS实现单因素多水平方差分析的样本含量估计

这篇具有很好参考价值的文章主要介绍了统计教程|PASS实现单因素多水平方差分析的样本含量估计。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前面我们讲过当主要结局指标是连续变量时,两总体均数比较时样本量估计的计算公式原理以及PASS软件操作教程。当设计研究的试验因素只有一个,并且该因素的水平数(组数)k≥3,当主要研究指标为连续变量时我们常用单因素多水平方差分析即F检验来考察各组间该研究指标所代表的总体均数之间的差别是否有统计学意义,其样本含量计算公式为:

统计教程|PASS实现单因素多水平方差分析的样本含量估计,统计教程,算法,学习,经验分享,笔记

​N为所需的样本含量;σ为标准差,k为组数,μi为各组的平均数,μ平均为各组平均数的平均数,λ为当拒绝总体均数相等的原假设H0时具有非中心F分布的非中心性参数λ(手工计算时可查相关表获得,但PASS15软件中不需要设置该参数)。

本节今天主要讲解采用PASS15软件实现单因素多水平方差分析(F检验)样本含量估计的PASS软件实现。

例:某心内科医生欲比较四种不同药品治疗高血压的效果差异。已知四种药品降低收缩压的平均数分别是8.25mmHg、11.75mmHg、12mmHg和13mmHg。假设各药品降低收缩压的标准差都是3.5mmHg。按1:1:1:1平行设计,在α=0.05(双侧检验),β=0.1下,问需要多少调查对象?

解析:本研究只有一个研究因素即组别因素,该因素具有四个水平:四种不同的降压药;主要结局指标是收缩压下降水平值,是连续型变量,四组间的差异性常采用单因素方差分析(F检验)进行检验;目的是进行当四组样本含量相等(等比例平行设计)时总体均数比较(即四均值差异性检验)的样本含量估计。根据题目我们知道了四个参数:①四药品降低收缩压的平均数μ1=8.25mmHg、μ2=11.75mmHg、μ3=12mmHg和μ4=13mmHg;②标准差σ=3.5mmHg;③α=0.05(双侧检验);④检验效能(1-β)=0.9。

PASS软件样本含量估算的具体步骤:

01 PASS主菜单进入样本含量估算设置界面:

打开PASS15软件,①点击Means菜单并双击或其前面的“+”展开子菜单栏;→②点击One-Way Designs(ANOVA)菜单并双击或其前面的“+”展开子菜单栏;→③点击ANOVA F-Test;→④点击有边方框的One-Way Analysis of Variance F-Tests → 弹出 One-Way Analysis of Variance F-Tests 对话框进入单因素方差分析时所需样本含量估计界面,详见操作示意图 1 。

统计教程|PASS实现单因素多水平方差分析的样本含量估计,统计教程,算法,学习,经验分享,笔记

02 PASS样本含量估算参数设置:

①Solve For:Sample Size,首先说明我们本次所求的结果为样本含量;→②Power:0.9,表明检验效能(1-β)为90%;→③Alpha:0.05,表示检验水准为0.05;→④G(Number of Groups):4,指定研究因素的水平数为4个不同水平;→⑤Group Allocation Ratios:Equal ,表明各组样本例数相等(本例1:1:1:1),也可自定义各组的样本例数之比;→⑥Input σmusing:List of means(μi's)from which σmis calculated ,指定均值的标准差(有“σmvalues directly”和“List of means(μi's) from which σmis calculated”两种形式,当选择前者时只需要直接输入均值的标准差σm,而选择后者时需要输入各组样本的均数,然后PASS软件根据计算公式计算出均值的标准差σm),由于本例知道各样本的均值(μ1=8.25、μ2=11.75、μ3=12和μ4=13mmHg),故选择“List of means(μi's) from which σmis calculated”;说明采用各组的均值计算均值的标准差;→⑦Means(μ1,μ2,...,μG):8.25 11.75 12 13,指定各样本均数,本例μ1=8.25、μ2=11.75、μ3=12和μ4=13mmHg;→⑧K(Means Multiplier):1,指定样本均数的乘数(K),当要考虑样本均数变化对样本量影响时可设置多个K值以便观察样本量变化情况,一般采用默认值,即K=1;→⑨σ(Standard Deviation):3.5,指定总体标准差,可以设置不同的取值以探讨标准差对样本量含量的影响,本例假设各组总体标准差相同即标准差σ=3.5mmHg;→⑩点击Calculate 按钮,完成单因素多水平设计方差分析所需的样本量估算,详见操作示意图(图2)

统计教程|PASS实现单因素多水平方差分析的样本含量估计,统计教程,算法,学习,经验分享,笔记

03 PASS样本含量估算结果:

由图3可知,PASS软件给出的总体率样本量估算的结果同前面进行估计总体均数时样本含量估算结果类似,主要有:样本含量估算的结果、相关参考文献、样本量估算报告中出现各名词的定义、对计算结果的总结描述以及假定脱落率为20%时所需的样本含量估计结果和其各名词的相关定义。由于脱落率不同研究结果各不相同,故本次不看脱落率为20%的相关结果,我们主要关注Total(N)这一结果即可:本研究按1:1:1:1等比例平行设计每组最少需要15例,四组共需要60例研究对象才能发现四组药物间降压效果差异有统计学意义。

统计教程|PASS实现单因素多水平方差分析的样本含量估计,统计教程,算法,学习,经验分享,笔记

​想要了解更多统计教程相关知识,可以到常笑医学网(www.cxmed.cn)的医学统计栏目进行查询和学习。文章来源地址https://www.toymoban.com/news/detail-678687.html

到了这里,关于统计教程|PASS实现单因素多水平方差分析的样本含量估计的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【数学建模】单、多因素试验的方差分析(Matlab代码实现)

    目录   1 概述 2 单因素方差分析 2.1 语法 2.2 算例 1 2.2.1 算例 2.2.2 Matlab代码 2.2.3 结果 2.3 算例2 2.3.1 算例 2.3.2 Matlab代码 2.4 算例3 2.4.1 算例 2.4.2 Matlab代码 2.4.3 结果 2.5 算例4(不均衡样本) 2.5.1 算例  2.5.2 Matlab代码 2.5.3 结果 3 双因子方差分析 3.1 语法 3.2 算例 3.3 Matlab代码 3

    2024年02月06日
    浏览(36)
  • R语言数据分析笔记——方差分析(单因素方差分析、双因素方差分析)在Excel、SPSS、R语言中的操作)

    前言:本文为个人学习笔记,为各大网站上的教学内容之综合整理,综合整理了①方差分析的基础知识、②方差分析(单因素方差分析、双因素方差分析)在Excel、SPSS、R语言中的操作),尽量标明出处。另因能力所限或有纰漏之处,故仅供参考,欢迎交流指正。 基本概念 指

    2024年02月05日
    浏览(45)
  • SPSS单因素方差分析

    前言: 本专栏参考教材为《SPSS22.0从入门到精通》,由于软件版本原因,部分内容有所改变,为适应软件版本的变化,特此创作此专栏便于大家学习。本专栏使用软件为: SPSS25.0 本专栏所有的数据文件请点击此链接下载:SPSS数据分析专栏附件! 目录   1.单因素方差分析 2.

    2024年02月05日
    浏览(38)
  • 多因素方差分析

    1.多因素方差分析的基本思想 方差分析中当涉及两个或两个以上的分类型自变量时,则需要进行多因素方差分析。进行多因素方差分析时,要首先确定因变量和若干个自变量,其次分析数值型因变量的方差,最后分别比较因变量总离差平方和各部分所占比例,进而推断自变量

    2023年04月27日
    浏览(29)
  • 单因素方差分析

    理论依据 【基本思想】 方差分析是检验两个或两个以上的样本均值之间的差异是否具有统计学意义的一种方法,目的是推断两个或两个以上的总体均值是否相同。它所研究的是分类型自变量对数值型因变量的影响。当只涉及一个分类型自变量时,该分析称为单因素方差分析

    2024年02月11日
    浏览(33)
  • 单因素方差分析--R

    三个剂量水平的药物处理受试者,每个剂量水平十个受试者,现在收集到数据后,问: 药物剂量水平显著影响受试者的response? 或者不同剂量药物处理受试者有显著效果的差异吗?

    2024年01月24日
    浏览(31)
  • SPSS结果解读【单因素方差分析】

    方差分析 (Analysis of Variance,简称ANOVA)主要用于验证两组样本,或者两组以上的样本均值是否有显著性差异(是否一致) 单因素方差分析 是指试验中只有一个因素变化,若有两个因素改变则称为双因素试验,若有多个因素改变则称为多因素试验。 实际操作案例(随意的数

    2024年02月16日
    浏览(30)
  • 【统计模型】心脏病患病影响因素探究

    目录 心脏病患病影响因素探究 一、研究目的 二、数据来源和相关说明 三、描述性统计分析 四、数据建模 4.1 全模型 (1)模型构建 (2)模型预测 4.2 基于AIC准则的选模型A 4.3 基于BIC准则的选模型B 4.4 模型评估 五、结论及建议 5.1 结论 5.2 建议 六、代码         内容提要

    2024年02月03日
    浏览(114)
  • 【应用统计学】方差分析

    【例7-1】 三台设备平均灌装时间分别是15.82秒、16.67秒和14.97秒。试用样本数据检验这3台机器灌装过程的时间是否存在显著不同,以便对设备的购买做出决策。( α=0.05 )  如果检验结果 接受原假设 ,则样本数据表明三台设备的平均灌装时间没有显著差异,选择任何一家提供商

    2023年04月16日
    浏览(42)
  • 统计学习笔记:方差分析

    方差分析(ANOVA)又称F检验。方差分析是判定方差在组间和组内是否(明显)具有区别的一种方法。如果组内差异相对于组间差异较小,则可以推断出组与组之间是有明显差异的。 从形式上看,方差分析与t检验或z检验区别不大,都是检验均值是否相等,但方差分析可以同时

    2024年02月03日
    浏览(86)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包