对于随机区组设计的资料采用t检验或完全随机设计的方差分析进行处理，都是较为常见的误用现象。 1. 误用实例
某研究者将13人份高胆固醇结石，每份4枚，且4枚结石在外形、重量上相近；每份中的1枚作CT分型、生化分析和剖面结构观察，另3枚分别采用超生助溶、灌注助溶、静置对照三种方法溶石，见表15-15。采用t检验进行统计处理，得出结论：超声可促进非钙化石的溶解，超声组于灌注组比较，有显著性差异（P?0.05），与静置组比较，有非常显著型差异（P?0.001）。
表15-15 结石溶解时间
结石号
溶解时间 超生*
1 2 3 4 5 6 7 8 9 10 11 12 13
x灌注△ 43 36 30 35 35 16 15 30 13 18 16 15 25 25.77 10.75
静置▲ 644 690 645 390 420 700 690 570 670 690 660 712 676 627.46 105.15
40 30 25 32 22 13 8 12 8 10 14 10 20 19.15 10.71
Sd
*
与△比较，P?0.01；*与▲比较P?0.001
分析：该研究者在分组时，将结石的来源、外形和重量作为重要的区组因素，
并把同一区组中的3枚结石采用随机的方法分配到了3个不同的处理组；研究者
21
在考虑重要的实验因素的同时，还考虑了对实验结果可能造成重要影响的非处理因素（区组因素），此类实验设计是很好的配伍组设计。此类设计应采用随机区组的方差分析法进行统计处理，用t检验进行处理，显然是不妥当的。 （三） 重复测量设计方差分析
无视重复测量数据间相关性，采用t检验或单因素多水平设计的方差分析去处理具有重复测量设计的定量资料，是较为常见的误用之一。 1. 误用实例
例1 某人研究脑梗死组中不同的分子量的蛋白质磷酸化情况，见表15-16。原作者采用t检验处理，并将同一分子量及同一时间点上不同组别的数据采用t检验进行比较。
表15-16 不同组别各两例患者底物蛋白磷酸化放射活性（cpm）测定结果 组别
A组： 0
对照组
2119 2130
脑梗死组
4190 4199
3 2608 2630 5319 5327
底物蛋白磷酸化放射活性（cpm）
10 3213 3305 7010 6995
B组： 0 1942 2001 2318 2438
3 2489 2499 3247 3348
10 2824 2903 4305 4509
注：A组：蛋白质分子量为47000，B组：蛋白质分子量为20000。
分析：这个资料虽然是定量的，但采用t检验进行分析显然是不妥当的。正确的分析方法应是怎样的呢？要回答这个问题，除对资料的类型作出正确判断外，还要弄清资料的设计类型。这个资料中实际涉及到三个因素，即蛋白质分子量大小、是否伴有脑梗死、测量时间，前两个是分子因素，测量时间是与重复测量有关的实验因素；这个资料应是具有一个重复测量的三因素设计定量资料，将资料进行重新整理，将更容易弄清设计类型（见表15-17）。对该资料，正确的方法是采取相应设计定量资料的方差分析进行处理，而不是简单地用t检验进行处理。
表15-17 对照组及脑梗死组底物蛋白磷酸化放射活性（cpm）测定结果 组别
分子量
底物蛋白磷酸化放射活性（cpm）
测定时间
0
3
10
22
（h） 47000
对照组
20000
20000
2438
3348
4509
例2 如“完全随机设计方差分析”部分的误用实例2，也属于重复测量设计方差分析的误用。
（四） 析因设计方差分析
常见错误是：采用t检验或单因素多水平设计的方差分析去处理具析因设计的资料。 1. 误用实例
例1 原文题目：营养不良对幼鼠癫痫持续状态后海马神经发生影响的研究。目的是探讨发育期营养不良伴发癫痫持续状态对海马神经发生的影响，原作者将28只新生Wistar大鼠建立模型后分成4组，分别为营养良好组、营养不良组、营养良好与惊厥组、营养不良与惊厥组，每组7只大鼠；测量各组齿状回Brdu阳性细胞数（资料见表15-18），并采用t检验比较得出不同营养状态下Brdu阳性细胞数差别有统计学意义（P?0.01），有无惊厥组间的差别也有统计学意义（P?0.01）。
表15-18 营养状态及有无惊厥幼鼠齿状回的Brdu阳性细胞数（x营养状态
单纯组
不良组 良好组
303?20 269?18
伴惊厥组 374?18 312?24
Brdu阳性细胞数
?2119 2130 1942 2001 4190 4199 2318
2608 2630 2489 2499 5319 5327 3247
3213 3305 2824 2903 7010 6995 4305
47000
脑梗死组
s）
分析：本研究设立4个实验，涉及到两个实验因素，分别是“是否营养不良”和“是否伴有惊厥”，每个因素均有两个水平；实际上研究中的4个组正是两个
23
因素不同水平组合的结果，这个一个典型的两因素两水平的析因设计；如果资料满足正态性和方差齐性，应采用析因设计的方差分析进行统计处理。但遗憾的是，原作者却采用成组样本的t检验进行两次分析；能造成这种现象原因很多，可能是不了解析因设计，而对成组设计的t检验则非常熟悉。诚然，对于析因设计资料，采用t检验分析有不少的缺点：①割裂了整体设计，②资料的利用率降低，作t检验时，每次只利用部分数据；③误差的自由度变小，结果的可靠性降低；④增加了犯假阳性错误的概率；⑤无法分析因素之间可能存在的交互作用。 例2 某人为研究不同药物对小鼠发生迟发超敏反应时耳肿重量的影响，将80只小鼠随机分为8组，分别给予不同的处理，并采用t检验对资料进行分析，资料和分析结果见表15-19。
表15-19 不同药物对小鼠发生迟发超敏反应时耳肿重量的影响（x药物
剂量（g/kg）
鼠数（只）
对照 补肾药 补肾药 补肾药 Cy药 Cy药＋补肾药 Cy药＋补肾药 Cy药＋补肾药
0 5 10 20 0.025 0.025+5 0.025+10 0.025+20
10 10 10 10 10 10 10 10
21.2?2.7 22.3?3.5 18.8?3.1 16.5?2.4 11.2?1.5 14.3?2.9 18.6?3.6 19.2?3.4 耳肿重量（mg）
?s）
P值
与对照比
?0.05 ?0.05 ?0.01
与Cy药比
?0.01 ?0.01 ?0.01
分析：原作者采用t检验进行分析，显然是很不妥当的；因为这不是多个单因素两水平设计的定量资料。那怎么做才是合适的呢？咋一看，资料似乎是单因素8水平设计，但仔细分析，发现这里涉及到两种药物，即补肾药和Cy药，分别设有4个水平和2个水平；而这两种药不同水平的组合可得到8种情况，这8种情况恰恰就是表15-19中的8个组。由于两种药物在实验中是同时施加的，且没有充足的理由认为哪个因素对观测指标（耳肿重量）的影响作用更大些；所以，有理由认为这是一个两因素的析因设计（2?4），资料的表达方式可作适当转换，见表15-20。对于析因设计资料，采用t检验或者单因素多水平设计定量资料的
24
相关推荐：
loading