生物实验设计与数据分析 中文版PDF电子书下载

目录 1

1　导论 1

1.1　科学方法 1

1.1.1　模式描述 2

1.1.2　模型 2

1.1.3　假说与检验 3

1.1.4　证伪的备择 4

1.1.5　统计分析的角色 5

1.2　实验与其他检验 5

1.3　数据、观察与变量 7

1.4　概率 7

1.5　概率分布 9

1.5.1　对变量的描述 10

1.5.2　统计值的分布 12

2　估计 14

2.1　样本和总体 14

2.2　常用参数和统计变量 15

2.2.1　分布的中心（位置） 15

2.2.2　离散或变异度 16

2.3　平均数的标准误差和置信区间 17

2.3.1 正态分布和中心极限定理 17

2.3.2　样本平均数的标准误 18

2.3.3　总体平均数的置信区间 19

2.3.4 总体平均数置信区间的解释 20

2.3.5　其他统计数据的标准误 20

2.4　参数估计的方法 23

2.4.1　最大似然法（ML法） 23

2.4.2　普通最小平方法（OLS） 24

2.5　估计中重复抽样的方法 25

2.5.1 自举法 25

2.4.3　ML估计与OLS估计的比较 25

2.5.2　“刀切”法 26

2.6　贝叶斯推断则——估计 27

2.6.1 贝叶斯推断的估计 27

2.6.2　先验知识和概率 28

2.6.3　似然函数 28

2.6.4　后验概率 28

2.6.5　举例 29

2.6.6　其他评论 29

3.1　统计假说检验 32

3.1.1　经典的统计假说检验 32

3　假说检验 32

3.1.2　相关概率和类型Ⅰ错误 34

3.1.3　单个总体的假设检验 35

3.1.4　单尾和双尾检验 36

3.1.5　两个总体的假设 37

3.1.6　参数检验及其假设 40

3.2　决策错误 41

3.2.1　类型Ⅰ错误和类型Ⅱ错误 41

3.2.2　不对称性和可升级的决策标准 44

3.3　其他检验方法 44

3.3.1　稳健参数检验 44

3.3.2　随机（排列）检验 45

3.3.3　基于秩的非参数检验 46

3.4.1 问题 47

3.4　多重检验 47

3.4.2　调整显著性水平和／或P值 49

3.5　统计检验结果的合并 50

3.5.1　P值合并 50

3.5.2　Meta-分析 50

3.6　对统计假说检验的批评 51

3.6.1 与样本容量和停止规则的相关性 52

3.6.2　样本空间-未观测数据的相关性 52

3.6.3　P值作为证据测度 52

3.6.4　零假设一直是假的 53

3.6.5　任意显著性水平 53

3.6.6　统计假设检验的备择方法 53

3.7　贝叶斯假设检验 54

4.1.1　探索性分析样本 57

4.1　探索性数据分析 57

4　数据的图示 57

4.2　用图进行分析 61

4.2.1　参数分析模型的假设 62

4.3　数据转换（transforming data） 63

4.3.1　转换与分布假设 64

4.3.2　转换和线性 66

4.3.3　转换和加性 67

4.4　标准化（standardizations） 67

4.5　异常值 68

4.6　删截（censored）和缺失数据（missing data） 68

4.6.1　缺失数据 68

4.6.2　删截（截尾）数据 69

4.7.1 一般事项 70

4.7　一般事项与分析提示 70

5　相关与回归 72

5.1　相关分析 72

5.1.1　参数相关模型 72

5.1.2　强相关 76

5.1.3　参数与非参数的置信区间 76

5.2　线性模型 77

5.3　线性回归分析 78

5.3.1 简单（二元）线性回归 78

5.3.2　线性模型回归 81

5.3.3　模型参数的估计 85

5.3.4　方差分析 88

5.3.5　回归中的零假设 89

5.3.6　回归模型比较 90

5.3.7　方差解释 92

5.3.8　回归分析假设 93

5.3.9　回归诊断 95

5.3.10　诊断图表 97

5.3.11　转换 99

5.3.12　通过原点的回归 100

5.3.13　加权最小平方法 101

5.3.14　X随机（二类回归模型） 102

5.3.15　稳健回归 107

5.4 回归与相关间的关系 109

5.5　修匀 110

5.5.1　移动平均值 110

5.5.2　LO（W）ESS 111

5.5.3　样条 112

5.5.4　核 112

5.5.5　其他观点 112

5.6　相关与回归检验的功效 113

5.7　分析的一般特征及其启示 113

5.7.1　一般特征 113

5.7.2　分析提示 114

6　多元与复杂回归 115

6.1　多元线性回归分析 115

6.1.1　多元线性回归模型 120

6.1.2　模型参数的估计 123

6.1.4　零假设与模型比较 125

6.1.3　方差分析 125

6.1.5　解释的方差 127

6.1.6　哪些自变量（预测变量）重要？ 127

6.1.7　多元回归的假设 129

6.1.8　回归诊断法 130

6.1.9　诊断图 131

6.1.10　转换 132

6.1.11　共线性 132

6.1.12　多元回归中的交互效应 136

6.1.13　多项式回归 139

6.1.14　指示（虚拟）变量 141

6.1.15　找寻“最佳”的回归模型 142

6.1.16　等级分类 148

6.1.17　多元线性回归的其他问题 149

6.2　回归树 151

6.3　通径分析及结构方程建模 153

6.4　非线性模型 158

6.5　平滑与响应面 160

6.6　一般事项与分析提示 161

6.6.1　一般事项 161

6.6.2　分析提示 162

7 实验设计和检验功效分析 163

7.1　抽样 163

7.1.1　抽样设计 163

7.1.2　样本量 165

7.2　实验设计 165

7.2.1　重复 166

7.2.2　对照 168

7.2.3　随机化 169

7.2.4　独立 171

7.2.5　减少未解释的方差 171

7.3　检验功效分析 171

7.3.1　用检验功效设计实验（预先分析检验功效） 173

7.3.2　后检验功效计算 175

7.3.3　效应量 176

7.3.4　使用检验功效分析 177

7.4　分析的一般问题和提示 179

7.4.1　一般问题 179

7.4.2　分析提示 179

8 比较区组或处理——方差分析 180

8.1　单因素设计 180

8.1.1　预测变量（因素）的类型 184

8.1.2　单因素分析的线性模型 185

8.1.3　方差分析 192

8.1.4　零假设 194

8.1.5　对照方差分析模型 194

8.1.6　样本大小不等（不平衡的设计） 195

8.2　因素效应 196

8.2.1　随机效应：方差的组成 197

8.2.2　固定效应 198

8.3　假设 199

8.3.1　正态 200

8.3.2　方差齐次性 200

8.3.3　独立 201

8.4　方差分析诊断 202

8.5.2　Rank-based（非参数的）检验 203

8.5　强方差分析 203

8.5.1　方差不齐时的检验 203

8.5.3　随机化检验 204

8.6　平均数的特定比较 204

8.6.1　计划比较或对照 205

8.6.2　非计划的配对比较 207

8.6.3　特定的比较与非计划成对比较 210

8.7　趋势检验 210

8.8　检验组方差的相等性 212

8.9　单因素方差分析的功效 213

8.10　一般事项与分析提示 215

8.10.1　一般事项 215

8.10.2　分析提示 215

9.1　嵌套（分层hierarchical）设计 217

9 多因素方差分析 217

9.1.1　嵌套分析的线性模型 219

9.1.2　ANOVA 223

9.1.3　零假设 224

9.1.4　不等样本大小（不平衡设计） 225

9.1.5　ANOVA模型比较 225

9.1.6　嵌套式模型中的因素效应 226

9.1.7　嵌套式模型的前提 227

9.1.8　嵌套式设计详细比较 228

9.1.9　更复杂的设计 228

9.1.10　设计和功效 228

9.2　析因设计 231

9.2.1　析因设计线性模型 235

9.2.2　ANOVA 239

9.2.3　零假设 241

9.2.4　主效应和交互效应究竟测定的是什么 246

9.2.5　ANOVA模型比较 250

9.2.6　不平衡设计 251

9.2.7　因素效应 257

9.2.8　前提 259

9.2.9　可靠的析因ANOVA 260

9.2.10　主效应的特定比较 260

9.2.11　交互效应的解释 261

9.2.12　复杂析因设计 265

9.2.13　析因ANOVA的功效和设计 270

9.3　多因素设计合并 270

9.4　析因设计与嵌套设计之间的关系 271

9.5.2　分析提示 272

9.5　一般事项与分析提示 272

9.5.1　一般事项 272

10 随机区组与简单重复测量：非重复的双因素设计 273

10.1 非重复双因素实验设计 273

10.1.1 完全随机区组（RCB）设计 273

10.1.2　重复测量（RM）设计 276

10.2　分析完全随机区组（RCB）实验与重复测量（RM）实验 279

10.2.1 完全随机区组和简单重复测量分析的线性模型 279

10.2.2　方差分析 283

10.2.3　零假设 284

10.2.4　ANOVA模型比较 285

10.3　完全随机区组实验与重复测量实验中的交互作用 285

10.3.1 区组交互作用的重要处理 285

10.3.2　非典型设计的核验 288

10.4　假设 291

10.4.1 误差的正态性和独立性 291

10.4.2　方差和协方差——球形性 291

10.4.3　推荐策略 295

10.5　强完全随机区组和重复测量分析设计 295

10.6　特定比较 296

10.7　区组的效益（分组还是不分组？） 297

10.8　时间作为区组因素 298

10.9　非平衡完全随机区组实验的分析 298

10.10　完全随机区组实验与单个重复测量实验的功效 301

10.11　更复杂的区组设计 301

10.11.1 析因的随机区组设计 301

10.11.2　不完全区组设计 303

10.11.3　拉丁方设计 304

10.11.4 交叉设计 307

10.12　一般化的随机区组设计 309

10.13　完全随机区组实验和重复测量实验与统计软件 310

10.14　一般事项与分析提示 311

10.14.1 一般事项 311

10.14.2　分析提示 311

11 裂区与重复测量设计：部分嵌套的方差分析 313

11.1　部分嵌套设计（partly nested designs） 313

11.1.1　裂区设计（split-plot designs） 313

11.1.2　重复测量设计（repeated measures designs） 317

11.1.3　使用这些设计的原因 321

11.2　部分嵌套设计的分析 321

11.2.1　部分嵌套分析的线性模型 323

11.2.2　方差分析 326

11.2.3　零假设 327

11.2.4　比较方差分析模型 331

11.3　假设 331

11.3.1 区组（或对象）间 331

11.3.2　区组（或对象）内和多次抽样球形 331

11.4　部分嵌套的鲁棒分析（robust partly nested analyses） 333

11.5　特定比较 334

11.5.1　主效应 334

11.5.2　交互作用 334

11.5.3　剖面（趋势）分析 335

11.6　非平衡部分嵌套设计的分析 336

11.7　部分嵌套设计的功效 337

11.8.1 附加的区组（对象）间因素 338

11.8　更复杂的设计 338

11.8.2　附加的区组（对象）内因素 346

11.8.3　附加的区组（对象）间因素和区组（对象）内因素 350

11.8.4　复杂设计的一般评价 350

11.9　部分嵌套设计与统计软件 351

11.10　一般事项与分析提示 352

11.10.1　一般事项 352

11.10.2　个别分析提示 352

12　协方差分析 354

12.1　单因素协方差分析 354

12.1.1　协方差分析的线性模型 358

12.1.2　（协）方差分析 362

12.1.3　零假说 362

12.2　协方差分析的假设 363

12.1.4　协方差模型的比较 363

12.2.1　直线性 364

12.2.2　各组协变量值相似 364

12.2.3 固定协变量（X） 364

12.3　斜率齐性 365

12.3.1　组内回归斜率齐性的检测 365

12.3.2　组内回归斜率不同的处理 366

12.3.3 回归线的比较 367

12.4　稳健的协方差分析 368

12.5　样本量不等（不平衡设计） 368

12.6　调整均值的特殊比较 368

12.6.1　有计划的对比 368

12.7.2　析因设计 369

12.7.1 含两个或多个协变量的设计 369

12.7　更复杂的设计 369

12.6.2　无计划的对照 369

12.7.3　含一个协变量的嵌套设计 371

12.7.4　含一个协变量的部分嵌套模型 372

12.8　一般问题与分析提示 373

12.8.1 一般问题 373

12.8.2　分析提示 374

13 广义线性模型与逻辑斯谛回归 375

13.1　广义线性模型 375

13.2　逻辑斯谛回归 377

13.2.1　简单逻辑斯谛回归 377

13.2.2　多元逻辑斯谛回归 381

13.2.3　离散预测值 384

13.2.5　拟合优度和残差 385

13.2.4　逻辑斯谛回归假设 385

13.2.6　模型诊断 386

13.2.7　模型选择 387

13.2.8　逻辑斯谛回归软件 387

13.3　泊松回归 388

13.4　广义加性模型 389

13.5　相关数据模型 392

13.5.1　多水平（随机效应）模型 392

13.5.2　广义估计方程 393

13.6　一般事项和分析提示 395

13.6.1　一般事项 395

13.6.2　分析提示 395

14 频数分析 397

14.1　单变量拟合优度检验 398

14.2　列联表分析 398

14.2.1 二向表 398

14.2.2　三向表 405

14.3　对数线性模型 410

14.3.1 二向表 410

14.3.2　三向表对数线性模型 412

14.3.3　更复杂的表 416

14.4　一般事项与分析提示 416

14.4.1 一般事项 416

14.4.2　分析提示 417

15.1　多元变量数据 418

15 多元变量分析导论 418

15.2　分布与相联 419

15.3　线性组合、特征向量和特征值 421

15.3.1　变量的线性组合 421

15.3.2　特征值 422

15.3.3　特征向量 423

15.3.4　分量推导 425

15.4　多元变量距离和不相似性测度 428

15.4.1 连续变量不相似性测度 428

15.4.2　对生变量（二元变量）的不相似性测度 430

15.4.3　混合变量的一般不相似性测度 430

15.4.4　不相似性测度方法比较 430

15.5 比较距离和、或不相似性矩阵 431

15.6　数据标准化 432

15.7　标准化、相联和不相似性 433

15.8　多元变量图 434

15.9　筛选多元变量集 435

15.9.1　多元变量奇异值 435

15.9.2　缺失观测值 436

15.10　一般事项与分析提示 440

15.10.1 一般事项 440

15.10.2　分析提示 440

16 多元方差分析与判别分析 442

16.1　多元方差分析 442

16.1.1　单因素多元方差分析 445

16.1.2　特定因子比较 449

16.1.3　各因变量的相对重要性 449

16.1.4　多元方差分析的假设 451

16.1.6　更复杂的设计 452

16.1.5　鲁棒多元方差分析 452

16.2　判别函数分析 453

16.2.1　描述和假设检验 457

16.2.2　分类和预测 458

16.2.3　判别函数分析的假设 459

16.2.4　更为复杂的设计 459

16.3　多元方差分析与判别函数分析的比较 460

16.4　一般问题和分析提示 460

16.4.1　一般问题 460

16.4.2　分析提示 460

17 主成分法和对应分析 461

17.1　主成分分析 461

17.1.1　成分的提取 466

17.1.2　相伴矩阵的选择 468

17.1.3　成分的解释 469

17.1.4　成分的旋转 469

17.1.5　要保留多少成分？ 470

17.1.6　假设 471

17.1.7　鲁棒主成分分析 472

17.1.8　图示 472

17.1.9　成分的其他用途 474

17.2　因子分析 476

17.3　对应分析 476

17.3.1 机制 477

17.3.2　缩放图和联合图 478

17.3.3　倒数平均 479

17.3.5　反趋势分析 480

17.3.4　对应分析在生态数据处理中的应用 480

17.4　典型相关分析 481

17.5　冗余分析 483

17.6　典型对应分析 484

17.7　约束和部分排序 488

17.8　一般问题和分析提示 489

17.8.1 概要问题 489

17.8.2　分析提示 489

18 多维排序和聚类分析 490

18.1　多维尺度分析 490

18.1.1 经典尺度分析——主坐标分析 491

18.1.2　增强多维尺度分析 493

18.1.3　不同组对象间的不相似性和假设检验 498

18.1.5　多维尺度分析与共变 503

18.1.4　多维尺度分析与原始变量 503

18.2　分类 504

18.2.1 聚类分析 504

18.3　针对生物学数据进行缩放（排序）和聚类 507

18.4　一般事项和分析提示 508

18.4.1 一般事项 508

18.4.2　分析提示 509

19 结果的展示 510

19.1　分析的展示 510

19.1.1　线性模型 510

19.1.2　其他分析 513

19.2　表的设计 513

19.3　数据的概要显示 515

19.3.1　直方图 516

19.3.2　线形图（类别分组category plot） 518

19.3.3　散点图 519

19.3.4　饼图 520

19.4　误差线 520

19.4.1　可供选择的其他方法 522

19.5　口头演讲 523

19.5.1　幻灯，电脑，或投影仪 523

19.5.2　绘图软件包 524

19.5.3　使用色彩 525

19.5.4　扫描图片 525

19.5.5　信息含量 526

19.6　一般事项与分析提示 526

参考文献 527