重复测量方差分析论文格式

一、前期准备 1.研究目的 重复测量方差：相关领域（比如医学研究）时，常常需要对同一观察单位重复进行多次测量，比如对病例在不同时间点进行多次测量，此类数据称为重复测量资料。由于此类数据同一对象多次测量之间存在相关性，因而不能简单的使用方差分析进行研究，而需要使用重复测量方差分析。 重复测量方差分析时涉及两个重要的术语名词，分别是组内和组间。比如有这样一项关于抑郁症的研究，共有12名患者，分别6名患者使用新药或者旧药；并且分别测试12名患者用药后分别第1周，第4周和第8周时的抑郁程度。因此数据中涉及到时间点的记录，和组别的记录。时间点则称之组内项；组别称为组间项； 2.准备数据 （1）重复测量方差搜集的数据格式如下： （2）将数据上传SPSSAU之前需要对格式进行处理，重复测量数据是指同一批样本（病例）在不同的时间点测量了多次数据，因此重复测量数据的特殊之处在于一定会有ID号（即样本或者病例号），以及时间点数据。参考如下： 说明：同一个ID会有多个时间点的数据，比如上面有12个样本（12个ID号），并且测量5个时间点。那么就一定会有12*5=60行数据。同一个ID号会重复5次，同一个时间点会重复12次。 二、上传数据到SPSSAU 登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。 三、操作 1.操作途径 SPSSAU实验/医学研究→重复测量方差。 2.拖拽分析项 （1）检查 检查分析项是否都在左侧分析框中。 （2）进行拖拽 本例中因变量为‘抑郁情况’，组内项‘时间点’，患者编号‘ID’和组间项‘药物类型’，分别放置数据如上图。 （ PS： 绝大多数情况下，组间项仅为一个（有时甚至没有组间项）。 SPSSAU 支持组间项为0个，1个或者2个的情况。） 3.选择参数 （1）事后多重比较 SPSSAU默认不进行事后多重比较，如果需要进行事后多重比较可以选择事后多重比较方法。 如果选中事后多重比较，SPSSAU默认会对组内项和组间项均地事后多重比较。具体多重比较类型上，通常建议使用Bonferroni校正法较优。如果各组别样本不同时可使用scheffe法，如果各组别样本完全相同可使用tukey法等。 事后多重比较： SPSSAU事后多重比较帮助手册 （2）简单效应 简单效应指X1在某个水平时，X2不同水平的比较；SPSSAU进行简单效应时默认使用Bonferroni法进行计算p值。SPSSAU默认针对组内项（只针对组内项的第1项，若有多项，可互换位置）与组间项之间进行简单效应分析。 四、分析 1.组间效应分析 分析组间效应，即两种药物类型（新药和旧药）对于抑郁的差异性，上表可知：药物类型并没有呈现出显著性(F = =>)，说明新药和旧药对于抑郁症没有明显的差异，也即说明药物对于抑郁症治疗没有明显的帮助。 2.球形度检验 针对组内项时间点进行球形度检验可知：本次重复测量方差模型没有通过球形度检验(p=<)，并且球形度W值为<，因此最终应该以GG校正结果为准。 【 PS： 如果组内项水平数量为2（比如两个时间点）则不需要进行球形度检验；如果有缺失数据，可能导致无法进行球形度检验。】 3.组内效应分析 球形度检验显示最终应该使用GG校正结果，上表格中用蓝色标识出最终需要查看的结果值。对于时间点来看，其呈现出水平的显著性(F =，p = <），即说明不同时间点时患者的抑郁症程度有着明显的差异性。同时对于时间与药物类型交互项上，其并没有呈现出显著性(F =，p => )，说明并不存在差异效应。 4.折线图分析分析结果来源于SPSSAU 从上图可以看出：第1周时抑郁程度分值为分，第4周时为分，第8周明显上升为分，说明随着时间的变化，患者抑郁情况有加重迹象，尤其从第4周到第8周变化时，抑郁程度分值由分明显上升到分。( PS : SPSSAU还提供了药物类型均值折线图以及交互项的均值折线图。) 5.均值分析 上表可以看出第1周、第4周、第8周的平均值、标准差以及样本量。 ( PS :SPSSAU还提供了药物类型均值表以及交互项的均值表) 6.事后多重比较 对于第1周-第8周来看，其呈现出水平的显著性(p = <），即说明二者具有差异性。 对于第4周-第8周来看，其呈现出水平的显著性(p = <），即说明二者具有差异性。 7.简单效应比较 上表结果显示：对于第1周、第4周、第8周来看，P值均大于，即说明三个时间点的药物类型均不具有差异性。 8.其它说明 （1）重复测量方差的ID值是什么意思？ 重复测量方差时的ID指研究对象的ID，比如有100个病人，重复测量了4次，那么数据一共为400行，但是ID是从1到100，而且每个ID均需要重复4次。 （2）自由度校正是什么意思？ 如果没有通过球形度检验，则需要进行自由度校正，重新计算p 值；事实上F 值完全一样，仅自由度不一样，因而p 值可能并不一样。唯一的区别在于df 值不一样，比如满足球形检验时df 值为10，GG值为，那么GG校正自由度为10*。 （3）如果呈现出有显著性差异，如何查看差异？ 如果呈现出差异性，可通过图形，或者下面的平均值表格；也可以使用SPSSAU通用方法里面的方差，或者事后多重比较，进一步了解具体差异情况等。 五、总结 重复测量方差对于数据格式要求非常严格，组内项，组间项，样本ID和测量数据分别均需要占用一列。重复测量方差需要为平衡数据，例子中12名患者，每名患者测量3次，则一定为12*3=36行数据，并且不能有缺失等；比如ID为5的患者在第8周没有测量数据，这会导致无法分析，有两种处理办法：第一种是直接将该ID为5的样本全部筛选掉，即相当于仅11个患者进行实验；第二种办法是将数据进行填补，可使用SPSSAU的异常值功能。 以上就是重复测量方差分析步骤汇总。其它分析方法资料等等请登录官网查看。 SPSSAU：重复测量方差帮助手册 SPSSAU：重复测量方差方法解读视频 SPSSAU：从问卷设计到数据分析，近百篇教程合集真是太太太全面了！

此次只关注概念的简单理解。因为本小章节理解性东西太多，我并没有时间学习，后续用到再学习也不迟。 当然，目前我知，是对数据校正，然后减少相关性，再进行分析。

（1）重复测量(Repeated Measures) 数据在医学领域和社会学领域很常见，如对一组人群分别在用药前、用药后1个月、用药后2个月进行疗效观察；再如，将人群分配至不同的处理组，每组分别在不同的时间点进行观察，等等。 （2） 这里理解一点，一组人群不同时间点

（1）重复测量不同于重复调查。重复测量是对“同一人群”的不同时间点的测量。 （2）重复调查是在不同时间点对“不同群体”的调查。例如，国内每隔几年就重复调查的营养膳食情况，每次调查不一定是同一群体（当然也可能有重复的人，但一般不会太多）。这种重复调查数据分析的是年代、世代等的一些现象的变化，通常可以采用年龄+时期+世代分析。

• 对于同一人群（不分组）测量了4个时间点，分析时将这4 个时间点作为独立的4组，采用常规的方差分析来处理。 • 对于同一人群（不分组）测量了4个时间点，将这4个时间点作为随机区组，采用随机区组方差分析来处理。 • 对多组人群各观察了4个时间点，分别在每个时间点进行t检验。 （1）上述事例均犯了一个错误：没有考虑到重复测量数据非独立性这一特点。 （2）传统的t检验或方差分析等都要求数据满足独立性这一前提条件。很显然，重复测量数据是不满足这一前提条件的，采用t检验或方差分析来处理重复测量数据，往往会增加假阳性错误。

主要有三类方法：多水平模型、广义估计方程、重复测量方差分析。

这样的，如果是重复测量方差分析需要三个时间水平以上，否则球型检验的假设也不会符合，我试过，两个时间点的球型检验自由度为零，sig是个点，也就是说不显示。前后测只有两个时间点，你这个属于前后测协方差的问题，我个人觉得你还是重新学一下协方差，略简单，感觉你需要自己去了解更多~加油