统计学意义(P=0.099)。
(四) 做出结论
本实验表明圣地红景天有降压作用，并初步揭示了其部分作用机制主要是通过抑制心肌局部RAS有密切的关系。这为圣地红景天在治疗及改善高血压重构方面提供了重要的理论和实验基础。
二、实验研究设计和分析中注意哪些问题？ 1. 如何进行混杂因素的控制和分析？
实验研究中，混杂因素一般指①该因素是实验效应指标的独立影响因素，会对实验效应的观察产生影响作用；②在处理因素的对比组间分布不均衡，③不是处理因素与事物的发生因果链中的中间环节的非处理因素。
不难发现，混杂因素控制关键在于设计，使可能的混杂因素在组间达到均衡可比，并通过比较消除其影响。这首先需要在设计时根据专业知识和实验条件，找到重要的非处理因素，再利用一些措施使其达到均衡，常用措施如限制研究对象的特征、随机分组、匹配(配对或配伍)，以及实验过程中组间同时同地观察、盲法的使用、处理因素标准化等。
在获得了数据后，应通过可比性分析进一步明确，若可比性分析发现某因素不可比，应在后续的实验效应分析中利用适当的统计学方法加以控制，这些方法主要包括多因素方差分析、协方差分析、回归分析等，可根据实际情况进行选择。
2. 如何选择实验效应描述指标？
根据实验研究中重复的原则，处理因素的不同水平下都有若干个测量结果，且由于个体变异的存在，表现为多个测量值各不相同。为说明处理因素的效应，应根据效应指标的类型和数据特征选择合适的统计指标进行描述。若效应指标为定量变量，且经正态性检验认为数据来自于正态分布总体，可选择X?S进行描述，否则可考虑对数据进行变量变化后选择X?S，或选择中位数和四分位数间距进行描述。若效应指标为定性变量，即根据结局分成了若干个类别，如有效/无效，可分组统计不同类别的观察对象数，并形成列联表进行描述。
3. 如何选择实验效应组间比较方法？
实验研究多为抽样研究，组间比较常通过假设检验完成，假设检验的方法应根据分析目的、处理因素及其水平的数量、实验设计方法、效应指标变量类型及
16
数据特征进行综合决策。表9简单总结了无重复测量时不同情况下的假设检验方法。其中涉及因素数为处理因素数与可能的混杂因素的合计。
表9 不同情况下假设检验方法的选择
效应指标 定量变量
无序定性变量
有序定性变量
涉及因素数 一个 多个 一个 多个 一个 多个
组数 两组 多组
两组或多组 两组或多组
两组或多组
分析方法 t检验 t’检验 秩和检验 方差分析 秩和检验 方差分析 协方差分析 回归分析
备注
正态、独立、方差齐 正态、独立、方差不齐 不满足t检验正态性条件 正态、独立、方差齐 不满足t检验条件时选择
正态、独立、方差齐
总例数或理论频数不宜过小 不满足?2检验条件时选择
?2检验
确切概率法 logistic回归 秩和检验 logistic回归
4. 何时应考虑因素间的交互效应？
交互效应指的是两个或多个因素(处理因素及可能的混杂因素)间的相互作用，是客观存在、并应在统计分析中加以反映的一种效应。两因素间的交互效应称为一阶交互效应，三因素间交互效应称为二阶交互效应，以此类推有多阶交互效应，但多阶交互效应常难以解释，实际分析中多只纳入一阶交互效应。
有关反映交互效应的分析方法有方差分析、回归分析等。方差分析中，若因素间的交互作用有意义，说明因素间效应不独立，不能再直接看总的方差分析结果说明某一因素的意义。如表8中，若周次×处理的效应有统计学意义(P≤0.05)，说明两组收缩压随时间变化的趋势不同，此时不能再读取表8中组别或周次的结果，因为其说明的是因素的主效应(main effect)，比如组别的主效应为在不考虑周次和基线SBP的影响时组别的效应。此时，应根据独立效应(simple effect)看主效应有无统计学意义，比如分析组别的效应时，应分时点进行比较，并对每次检验的检验水准进行Bonferroni校正。
需要指出的是，如果不同因素的水平交叉组合形成的每个处理组内只有一个
17
测量数据(如随机区组设计、交叉设计中)，不能分析交互效应。具体有关混杂因素控制和交互效应的分析方法，可参见本书第三篇中的相关章节。
5. 何时应选择重复测量的分析方法？
必须再次明确的是重复测量指的是同一研究对象在不同条件或场合下对同一观察指标进行的多次观察或测量，多次测量结果间存在关联，且分析的目的恰恰在于分析、比较多次测量的动态变化趋势，应根据效应指标的变量类型，考虑选择重复测量方差分析或多因素分析方法，如广义估计方程(generalized estimating equations, GEE)、多水平模型等。
需要注意的，并非所有的时间因素都通过重复测量加以反映，比如在表1中，考察圣地红景天对大鼠RAS系统影响的同时，探索不同疗程(4周、8周、12周)的影响，必须将实验对象处死后才能测定效应指标(心肌中血管紧张素II
和醛固酮)，不可能在同一对象身上同时获得4周、8周、12周的测量结果。此
时不要误用重复测量分析方法。
第四节 实验研究设计中的其它设计方案
本研究中利用了完全随机设计，其优点是设计简单，易于实施，统计分析比较简单，且出现缺失数据(missing value)时仍可进行统计分析。缺点是实验对象数较少时，均衡性较差，且只能考察一个处理因素的效应。为了进一步控制关键非处理因素，满足多因素设计的需要，在研究实践中还有多种实验设计方案可供选择，这里只介绍其它几种常见的实验设计方案。
一、单因素设计方案 (一) 配对设计
配对设计（paired design）是将受试对象首先按关键非处理因素相同或相近配成对子，再把每对中的两个受试对象随机分配接受不同处理的实验设计方法。在动物实验中，常将窝别、性别、体质量等作为配对因素。如圣地红景天控压效果的研究中，为了进一步控制遗传因素的影响，首先按窝别相同将30例SHR大鼠配成对子，再将每个对子中的大鼠随机分配到治疗组和对照组，分别给予红景天或蒸馏水灌胃，以控制其它非处理因素的作用。
由于其随机分配的是在对子内完成的，故这种随机分配的方法称为配对随机化(paired randomization)。其随机化过程与完全随机化基本相同，只不过多了一
18
个配对的过程。将动物按窝别、对子依次编号，从附表 中的任一行，如第16行最左端开始横向连续取30个两位数字。根据事先设定的规则，按照对子内受试对象获得的随机数从小到大排序后，较小的(序号=1)进入治疗组，较大的(序号=2)进入对照组。
表2 30只SHR大鼠配对随机分组的结果 窝别 1 2 3 4 5 6 7 8 编号 1.1 1.2 2.1 2.2 3.1 3.2 4.1 4.2 5.1 5.2 6.1 6.2 7.1 7.2 8.1 8.2 随机数 88 56 53 27 59 33 35 72 67 47 77 34 55 45 50 08 序号 2 1 2 1 2 1 1 2 2 1 2 1 2 1 2 1 分组 对照组 治疗组 对照组 治疗组 对照组 治疗组 治疗组 对照组 对照组 治疗组 对照组 治疗组 对照组 治疗组 对照组 治疗组 窝别 9 10 11 12 13 14 15 编号 9.1 9.2 10.1 10.2 11.1 11.2 12.1 12.2 13.1 13.2 14.1 14.2 15.1 15.2 随机数 18 27 38 90 16 95 86 70 75 09 72 95 84 29 序号 1 2 1 2 1 2 2 1 2 1 1 2 2 1 分组 治疗组 对照组 治疗组 对照组 治疗组 对照组 对照组 治疗组 对照组 治疗组 治疗组 对照组 对照组 治疗组 配对设计和完全随机设计相比，其优点在于进一步增强了处理组间的均衡性，实验效率较高；其缺点在于配对条件不易严格控制。另外配对的过程还可能将实验时间延长。 (二) 随机区组设计
随机区组设计（randomized block design）又称单位组设计、配伍组设计。实际上是配对设计的扩展，是采用区组随机化将研究对象分配到不同的处理组的实验设计方法，通常是将受试对象按性质（如动物的窝别、性别、体质量等）相同或相近分为b个区组（或称单位组、配伍组），再将每个区组中的k个受试对象随机分配到k个处理组。设计时应遵循“区组间差别越大越好，区组内差别越小越好”的原则。
19
在样本量较大的实验研究中，可能无法同时对所有的受试对象施加处理因素或者不能将所有的受试对象置放于同一环境中，这时可以将实验对象划分为不同的区组分别进行处理。
随机区组设计的优点是各区组内的k个受试对象有较好的同质性，因此处理组之间的均衡性较好；与完全随机设计相比，更容易发现处理组之间的差别，实验效率较高。 (三) 交叉设计
交叉设计（cross-over design）是一种特殊的自身对照设计，它按事先设计好的实验顺序（sequence），在各个阶段（period）对受试对象先后实施各种处理，以比较处理组间的差异。受试对象可以采用完全随机化或分层随机化的方法来安排。例如，设有两种处理A和B，首先将受试对象随机分为两组，再按随机分配的方法决定一组受试对象在第Ⅰ阶段接受A处理，第Ⅱ阶段接受B处理，实验顺序为AB；另一组受试对象在第Ⅰ阶段接受B处理，第Ⅱ阶段接受A处理，实验顺序为BA。两种处理因素在全部实验过程中“交叉”进行，该设计模式见表3。
表3 二阶段交叉设计模式 受试对象 1
2 … n1 1 2 … n2
阶段I 处理A … … … 处理B … … …
→ →
清洗阶段 无处理 … … … 无处理 … … …
→ →
阶段II 处理B … … … 处理A … … …
在上述模式中，每个受试对象都接受了A、B两种处理，同时A和B两种处理在两个时间阶段Ⅰ和Ⅱ上都进行了实验，这样使处理A和B先后实验的机会均等，平衡了实验顺序的影响，而且还能够分别分析不同处理之间的差别及时间先后顺序的差别。这里处理因素（A、B）和时间因素（阶段Ⅰ、Ⅱ）均为两个水平，所以称为2?2交叉设计，它是交叉设计中最为简单的形式。例如，欲研究两种不同配方的减肥药物A和B的效果，将12只肥胖小鼠模型随机分为两组，一组第Ⅰ阶段给A，第Ⅱ阶段给B；另一组第Ⅰ阶段给B，第Ⅱ阶段给A。测定
20