優(yōu)選協(xié)方差分析與混合線性模型本文檔共37頁；當前第1頁；編輯于星期一\13點42分

如果在單因素、雙因素或多因素試驗中有無法控制的因素x影響試驗的結果Y，且x可以測量、x與Y之間又有顯著的線性回歸時，常常利用線性回歸來矯正Y的觀測值、消去x的差異對Y的影響。例如，研究施肥對蘋果樹產量的影響，由于蘋果樹的長勢不齊，必須消去長勢對產量的影響。又如，研究飼料對動物增重的影響，由于動物的初重不同，必須消去初重對增重的影響。協(xié)方差分析本文檔共37頁；當前第2頁；編輯于星期一\13點42分這種不是在試驗中控制某個因素，而是在試驗后對該因素的影響進行估計，并對試驗指標的值作出調整的方法稱為統(tǒng)計控制，可以作為試驗控制的輔助手段。以統(tǒng)計控制為目的，綜合線性回歸分析與方差分析所得到的統(tǒng)計分析方法，稱為協(xié)方差分析，所需要統(tǒng)計控制的一個或多個因素，例如蘋果樹的長勢，又如動物的初重等等稱為協(xié)變量。1協(xié)方差分析思想原理本文檔共37頁；當前第3頁；編輯于星期一\13點42分2單因素協(xié)方差分析-理論本文檔共37頁；當前第4頁；編輯于星期一\13點42分2單因素協(xié)方差分析-理論本文檔共37頁；當前第5頁；編輯于星期一\13點42分2單因素協(xié)方差分析-理論本文檔共37頁；當前第6頁；編輯于星期一\13點42分2單因素協(xié)方差分析-理論本文檔共37頁；當前第7頁；編輯于星期一\13點42分2單因素協(xié)方差分析-計算本文檔共37頁；當前第8頁；編輯于星期一\13點42分dataex;doa=1to3;doi=1to8;inputxy@@;output;end;end;cards;475458665363465149565666546144505254535364675862596261636364666944524858465450615970576458695366;

proc

glm;classa;modely=xa/solution;lsmeansa/stderrpdiff;run;2單因素協(xié)方差分析-計算本文檔共37頁；當前第9頁；編輯于星期一\13點42分2單因素協(xié)方差分析-計算本文檔共37頁；當前第10頁；編輯于星期一\13點42分施用三種肥料的產量矯正后有極顯著的差異

2單因素協(xié)方差分析-計算本文檔共37頁；當前第11頁；編輯于星期一\13點42分3雙因素協(xié)方差分析-不考慮交互作用方差來源平方和自由度均方和F值顯著性AQAr-1MQAFABQBs-1MQBFB誤差QErs-r-sMQE總和QTrs-2本文檔共37頁；當前第12頁；編輯于星期一\13點42分3雙因素協(xié)方差分析-不考慮交互作用本文檔共37頁；當前第13頁；編輯于星期一\13點42分dataex;doa=1to3;dob=1to5;inputxy@@;output;end;end;cards;82.85104.24123.00114.94102.88103.14124.5072.75125.84104.06123.88103.8692.82104.9492.89;procglm;classab;modely=xab/solution;lsmeansab/stderrpdiff;run;3雙因素協(xié)方差分析-不考慮交互作用本文檔共37頁；當前第14頁；編輯于星期一\13點42分3雙因素協(xié)方差分析-不考慮交互作用本文檔共37頁；當前第15頁；編輯于星期一\13點42分方差來源平方和自由度均方和F值顯著性A0.604620.30232.49NB7.124541.781114.66**誤差0.850270.1215總和8.57931各小區(qū)的產量矯正后沒有顯著的差異，各品種的產量矯正后有極顯著的差異。3雙因素協(xié)方差分析-不考慮交互作用本文檔共37頁；當前第16頁；編輯于星期一\13點42分方差來源平方和自由度均方和F值顯著性AQAr-1MQAFABQBs-1MQBFBABQAB(r-1)(s-1)MQABFAB誤差QErs(m-1)-1MQE總和QTrsm-24雙因素協(xié)方差分析-考慮交互作用本文檔共37頁；當前第17頁；編輯于星期一\13點42分4雙因素協(xié)方差分析-考慮交互作用本文檔共37頁；當前第18頁；編輯于星期一\13點42分dataex;doa=1to4;dob=1to2;doi=1to2;inputxy@@;output;end;end;end;cards;14.697.812.194.219.511.218.8110.11.6100.312.998.518.5119.412.2114.712.899.210.789.6 12.2122.216.9105.312.0102.112.4103.816.4117.217.2117.9procglm;classab;modely=xaba*b/solution;lsmeansab/stderrpdiff;run;4雙因素協(xié)方差分析-考慮交互作用本文檔共37頁；當前第19頁；編輯于星期一\13點42分4雙因素協(xié)方差分析-考慮交互作用本文檔共37頁；當前第20頁；編輯于星期一\13點42分方差來源平方和自由度均方和F值顯著性A277.43485392.4782866.51**B

2.8452593

2.8452590.20NAB

12.8481001

4.2827000.30N誤差

99.441171714.205882

A與B的交互作用矯正后不顯著，促生長劑之間的差異極顯著，試驗批次間的差異不顯著

4雙因素協(xié)方差分析-考慮交互作用本文檔共37頁；當前第21頁；編輯于星期一\13點42分3.混合線性模型通過一個例子講述混合線性模型的使用艾滋病療法的評價艾滋病是當前人類社會最嚴重的瘟疫之一，從1981年發(fā)現(xiàn)以來的20多年間，它已經吞噬了近3000萬人的生命。艾滋病的醫(yī)學全名為“獲得性免疫缺損綜合癥”，英文簡稱AIDS，它是由艾滋病毒（醫(yī)學全名為“人體免疫缺損病毒”,英文簡稱HIV）引起的。這種病毒破壞人的免疫系統(tǒng)，使人體喪失抵抗各種疾病的能力，從而嚴重危害人的生命。人類免疫系統(tǒng)的CD4細胞在抵御HIV的入侵中起著重要作用，當CD4被HIV感染而裂解時，其數量會急劇減少，HIV將迅速增加，導致AIDS發(fā)作。本文檔共37頁；當前第22頁；編輯于星期一\13點42分3.混合線性模型艾滋病治療的目的，是盡量減少人體內HIV的數量，同時產生更多的CD4，至少要有效地降低CD4減少的速度，以提高人體免疫能力。迄今為止人類還沒有找到能根治AIDS的療法，目前的一些AIDS療法不僅對人體有副作用，而且成本也很高。許多國家和醫(yī)療組織都在積極試驗、尋找更好的AIDS療法。本文檔共37頁；當前第23頁；編輯于星期一\13點42分3.混合線性模型請你完成以下問題：（1）利用附件1的數據，預測繼續(xù)治療的效果，或者確定最佳治療終止時間（繼續(xù)治療指在測試終止后繼續(xù)服藥，如果認為繼續(xù)服藥效果不好，則可選擇提前終止治療）。（2）利用附件2的數據，評價4種療法的優(yōu)劣（僅以CD4為標準），并對較優(yōu)的療法預測繼續(xù)治療的效果，或者確定最佳治療終止時間。(3)艾滋病藥品的主要供給商對不發(fā)達國家提供的藥品價格如下：600mgzidovudine1.60美元，400mgdidanosine0.85美元，2.25mgzalcitabine1.85美元，400mgnevirapine1.20美元。如果病人需要考慮4種療法的費用，對（2）中的評價和預測（或者提前終止）有什么改變。本文檔共37頁；當前第24頁；編輯于星期一\13點42分3.混合線性模型ID療法年齡時間Log(CD4count+1)1 2 36.4271 0 3.13551 2 36.4271 7.5714 3.04451 2 36.4271 15.5714 2.77261 2 36.4271 23.5714 2.83321 2 36.4271 32.5714 3.21891 2 36.4271 40 3.04452 4 47.8467 0 3.06812 4 47.8467 8 3.89182 4 47.8467 16 3.97032 4 47.8467 23 3.61092 4 47.8467 30.7143 3.33222 4 47.8467 39 3.09103 1 60.2875 0 3.73774 3 36.5969 0 4.11904 3 36.5969 7.1429 4.11094 3 36.5969 16.1429 4.7095本文檔共37頁；當前第25頁；編輯于星期一\13點42分3.混合線性模型1對4種療法的療效評價的分析對題目所給的附件2的數據進行分析可知，決定病人的CD4的濃度的因素有年齡，檢查的時刻，治療方案這三個因素。因此我們將年齡分成5類，檢查的時刻分為4個時間段，治療方案有4種。而問題是以CD4的濃度為標準來評價療效的優(yōu)劣，即CD4的濃度越大，那么療效越好。由于考慮題中所給的樣本有6000多個（病人的個數*各個病人檢查的次數），因此我們考慮用MIXED（混合線性模型）。下面我們就混合線性模型的原理進行說明。本文檔共37頁；當前第26頁；編輯于星期一\13點42分3.混合線性模型混合線性模型過程是擬合許多不同數據的混合線性模型，并利用所擬合的模型對數據進行統(tǒng)計推斷。首先混合線性模型的主要假設是數據服從正態(tài)分布，由于本題所給的數據的樣本容量有6000多個，因此，我們可認為它服從正態(tài)分布。又由于正態(tài)分布的數據可完全有均值和方差確定，因此一個混合線性模型是由兩個模型決定的。分別是均值模型和方差模型。MIXED使用約束最大似然的方法來擬合數據的。一旦數據的模型已經建立，我們可以使用該模型通過固定效應參數和協(xié)方差參數進行統(tǒng)計推斷。用這些統(tǒng)計量可以對模型進行評價。本文檔共37頁；當前第27頁；編輯于星期一\13點42分3.混合線性模型再者，該分析的重要假設是數據是正態(tài)分布的，由于我們將附錄2的數據進行了分類。由于數據出現(xiàn)在類（如可能是同一年齡段中），那可能的情況是來自同一年齡段的這些CD4的值是相關的，不是獨立的。鑒于此，由于附錄2所給的數據是高度數據（即樣本容量很大），那么考慮這種因素是相關。因此我們對這些因素進行相關性建模，我們使用隨機效用。在本題中，我們規(guī)定年齡、檢查時刻為隨機效應，即使得具有相同年齡水平或相同檢查時刻的水平之間存在共同的相關性，那么，此模型才較為合理。本文檔共37頁；當前第28頁；編輯于星期一\13點42分3.混合線性模型2對4種療法的療效模型的建立1）數據的處理a、所有病人的年齡是在[14.9021，74.193]的區(qū)間內,以（74.193-14.9021）/5=11.85818為區(qū)間長度。我們將患者按照年齡階段分為5級，分別記作1至5（如表4所示）；b、我們將患者所接受的治療方法分為4種，分別記作1至4；c、我們將病人的檢查的時刻[0，40]以10為區(qū)間長度，分為4級，分別記作1至4本文檔共37頁；當前第29頁；編輯于星期一\13點42分3.混合線性模型本文檔共37頁；當前第30頁；編輯于星期一\13點42分3.混合線性模型2）確定固定效應和隨機效應固定效用是設計者所研究的因素，在此題中為4種療法。因為病人的年齡是隨機的，并且病人接受檢驗的時刻是也是隨機進行的，故病人的年齡和病人接受檢驗的治療時刻應該為隨機效應。本文檔共37頁；當前第31頁；編輯于星期一\13點42分3.混合線性模型3）協(xié)方差結構的選擇模型中具體選用哪種結構矩陣：在相同模型結構下，選擇幾個不同結構的協(xié)方差矩陣，從中選取似然比統(tǒng)計量（-2LogLikeli-hood）、Akaike’sInformationSchwartzBayesian三個指標均較小的一個，通常以AIC為主要判斷指標。依據專業(yè)知識和既往文獻，在此模型中選用符合對稱結構[CS]、不規(guī)則結構[UN]、一階自回歸結構[AR(1)]、空間冪相關結構[SP（POW）]。本文檔共37頁；當前第32頁；編輯于星期一\13點42分3.混合線性模型4）建立混合線性模型的線性模型，如下：本文檔共37頁；當前第33頁；編輯于星期一\13點42分3.混合線性模型dataex;inputnameax1x2y@@;ifx1<26.76thenx1=1;if26.76<=x1<41.662thenx1=2;if41.662<=x1<56.56thenx1=3;if56.56<=x1<71.467thenx1=4;if71.467<=x1thenx1=5;ifx2<10thenx2=1;if10<=x2