重复测量计量的方差分析
心理学统计第五部分重复测量方差分析
心理学统计第五部分重复测量方差分析在心理学研究中，有时候研究者需要评估一个或多个因素对参与者的多个测量结果的影响。
这种情况下，重复测量方差分析（Repeated Measures Analysis of Variance，简称为RM ANOVA）是一种常用的统计方法。
重复测量方差分析是一种比较多个组内变量平均数差异的方法，它比较了每个组内变量的差异以及每个组间变量的差异。
与传统的方差分析不同，重复测量方差分析考虑了相同参与者在不同条件下的多次测量结果，因此能够更准确地评估因素对测量结果的影响。
首先，我们需要明确的是，在重复测量方差分析中，我们的因变量是一个连续的测量结果，而自变量是一个或多个处理条件。
例如，我们可能想要评估一个新药物是否对人们的注意力产生影响，我们可以将注意力测量结果作为因变量，而药物与安慰剂作为自变量。
重复测量方差分析有三个基本的假设。
首先，我们假设不同处理条件下的测量结果的总平均数相等，即每组的平均值相等。
其次，我们假设各个处理条件下的测量结果有一定的方差。
最后，我们假设不同处理条件下的测量结果相互独立。
重复测量方差分析有一些优点和注意事项。
首先，这种方法可以减少误差变异，因为我们可以通过比较同一参与者在不同条件下的测量结果来消除参与者间的差异。
其次，重复测量方差分析可以提高统计功效，以便检测到小的差异。
然而，我们需要注意确保多次测量结果之间的独立性，以及在数据分析中正确处理可能的违反方差齐性和正态分布的情况。
总结起来，重复测量方差分析是一种常用的心理学统计方法，用于评估一个或多个因素对参与者的多个测量结果的影响。
它是一种有效的方法，可以提供关于不同处理条件之间差异的信息。
在分析数据时，我们需要检查数据的正态性和方差齐性，并使用适当的修正方法来应对违反这些假设的情况。
重复测量方差分析为心理学研究提供了一个强有力的统计工具，使得研究者能够更好地理解和解释影响行为和心理过程的因素。
方差分析(重复测量)
诱导
患者
方法
序号
T0
t3
A
1
120
A
2
118
A
3
119
A
4
121
A
5
127
B
6
121
B
7
122
B
8
128
B
9
117
B
10
118
C
11
131
C
12
129
C
13
123
C
14
123
C
15
125
麻醉诱导时相
t1 t2 t4
108
112
120
117
109
115
H uy nh-F eldt
2336.453
Low er-bound
2336.453
B * G RO U PS phericity A ssum ed 837.627
G reenhouse-G eisser 837.627
H uy nh-F eldt
837.627
Low er-bound
837.627
T es ts of Within-Sub je cts Effe cts
M easure: M E A S U RE _1
S ource
Ty pe III Sum of S quares
B
S phericity A ssum ed 2336.453
G reenhouse-G eisser 2336.453
Within SubjectsMEfafuecthly 's WC hi-Square
重复测量方差分析
重复测量方差分析1. 引言重复测量方差分析（Repeated Measures Analysis of Variance, RM-ANOVA）是一种统计方法，用于分析在不同时间点或不同处理条件下对同一组个体或样本进行多次测量的数据。
通过比较不同时间点或处理条件下的测量结果，我们可以确定是否存在显著的差异，并了解时间或处理对测量结果的潜在影响。
本文档将介绍重复测量方差分析的基本原理、假设条件、计算方法和结果解读，并提供使用Markdown格式编写重复测量方差分析报告的示例。
2. 基本原理重复测量方差分析的基本原理是基于方差分析（ANOVA）方法，但相对于普通的单因素方差分析，重复测量方差分析考虑了测量数据间的相关性。
在重复测量设计中，同一个个体或样本在不同时间点或处理条件下进行多次测量，因此测量数据之间存在一定的相关性。
为了解决相关性的问题，重复测量方差分析使用了独特的矩阵分解方法，将总体方差分解为组内方差和组间方差。
通过计算组间方差与组内方差的比值，可以判断不同时间点或处理条件下的测量结果是否存在显著差异。
3. 假设条件在进行重复测量方差分析之前，需要满足以下假设条件：•正态性假设：每个时间点或处理条件下的测量结果应当服从正态分布。
•同方差性假设：每个时间点或处理条件下的测量结果应具有相同的方差。
•相关性假设：各个时间点或处理条件下的测量结果之间应具有一定的相关性。
如果数据不满足正态性、同方差性或相关性假设，需要采取适当的数据转换、方差齐性检验或相关性分析等方法进行处理。
4. 计算方法重复测量方差分析的计算方法可以通过计算F统计量来进行。
具体步骤如下：步骤1：计算总体方差首先计算总体方差SSTotal，即测量数据的总体波动情况。
步骤2：计算组间方差然后计算组间方差SSBetween，即不同时间点或处理条件下的测量结果之间的差异。
步骤3：计算组内方差接下来计算组内方差SSWithin，即测量数据在同一个时间点或处理条件下的波动情况。
第十讲 重复测量数据的方差分析
重复测量设计资料的方差分析（四）一、重复测量资料的特征：重复测量资料系指同一受试对象的某项观测指标进行多次测量所得的数据。
如对病人治疗（或手术）后1天、3天、1周、2周等多个时间点连续观察；又如在眼睛视觉研究中，让同一受试者戴上效率分别为6/6，6/18，6/36/，6/60的镜片；观察其大脑皮质在佩戴不同镜片时的电反延迟时间等。
在重复测量中，由于同一个观察单位具有多个观察值，而这些观察值来自同一受试对象的不同时间（部位等），因此这类数据间往往有相关性存在，违背了方差分析要求数据满足独立性的基本条件。
此时若用一般方差分析方法，将会增大犯I 类错误的概率。
例如：为比较某一降压新药与上市的标准药品降低舒张压的效果，将24名病人随机分配到新药组和标准药物组，每组12名病人，给药前先测定基础血压（3次测定的均数）。
给药后每隔2周测量一次血压，共连续测量4次。
在此期间有3名病人退出（标准药物组1名、新药组2名），试分析新药的降压效果是否不同于标准药。
两组舒张压变化量（服药后-服药前）（mmHg）基础标准药物组基础标准药物组编号血压2w 4w 6w 8w M i编号血压2w 4w 6w 8w M i1 108 -8 -10 -19 -17 -54 3 104 -7 -7 -11 -13 -382 105 -6 -2 -14 -13 -35 5 102 -5 -9 -6 -14 -344 105 -4 -5 -11 -15 -356 98 -3 -10 -9 -13 -357 103 0 -11 -17 -19 -47 9 99 -3 -2 -1 -14 -2012 96 1 -3 -5 -8 -15 10 98 -1 -3 -8 -15 -2714 108 -3 -3 -17 -16 -39 11 100 2 -4 -8 -16 -2615 104 -3 -7 -10 -15 -35 17 106 -5 -8 -15 -20 -4816 97 2 3 -2 -3 0 18 108 -9 -12 -15 -17 -5319 98 1 -5 -7 -11 -22 21 104 0 -6 -7 -24 -3722 104 -1 -1 -11 -10 -23 24 107 -2 -7 -12 -19 -4023 103 -1 -1 -5 -8 -15均数102.8 -2 -4.9 -10.4 -12.3 均数102.6 -3.3 -6.8 -9.2 -16.5标准差 3.15 3.41 5.61 4.76 标准差 3.30 3.16 4.26 3.57 T i-22 -45 -118 -135 A1=-320 T i-33 -68 -92 -165 A2=-358 B1=-55 B2=-113 B3=-210 B4=-300由于重复测量结果即使不施加任何干预,也常会随时间的推移产生自然变化,因此重复测量试验常常需要设立平行对照.试验设计阶段需考虑以下三个因素：1、处理因素各组给以不同的干预2、重复测量因素时间（可根据专业的要求确定，其间隔可以不等或相等。
重复测量数据方差分析
• 优点：
每一个体作为 自身的对照，克服 了个体间的变异。 分析时可更好地集 中于处理效应.
因重复测量设 计的每一个体作为 自身的对照，所以 研究所需的个体相 对较少，因此更加 经济。
• 缺点：
滞留效应(Carry-over effect)
前面的处理效应有可能 滞留到下一次的处理.
潜隐效应(Latent effect)
差值d 0.260 0.082 0.174 0.316 0.350 0.461 0.296 0.218 0.203 0.364
与配对设计设计的区别
1.配对设计中同一对子的两个实验单位可 以随机分配处理，两个实验单位同期观察试验 结果，可以比较处理组间差别。
前后测量设计不能同期观察试验结果，虽 然可以在前后测量之间安排处理，但本质上比 较的是前后差别，推论处理是否有效是有条件 的，即假定测量时间对观察结果没有影响。
试验对象，共计 gn个试验对象。
➢ 时间因素 同一试验对象在m（≥2 ）个时
点获得m个测量值，共计gnm个测量值。 ➢ 方法：方差分析
前后测量设计
前后测量设计资料是重复测量资料中最为常见 的资料类型，即g=1, m=2, 如表9-1。
和配对设计的数据形式相同，但两者属于完全 不同的实验设计类型。区别如下： 1. 是否随机分配处理（分组）； 2. 差值的独立性问题； 3. 数据处理方式的差异。
前面的处理效应有可能 激活原本以前不活跃的效 应.
学习效应(Learning effect)
由于逐步熟悉实验，研 究对象的反应能力有可能 逐步得到了提高。
一、重复测量资料的数据特征
目的：推断处理、时间、处理×时间作用于试 验对象的试验指标的作用。
资料特征：
重复测量设计的方差分析
u 随机区组设计 ●处理因素在区组内随机分配； 每个区组内实验单位彼此独立。
第二节
重复测量数据 的两因素两水平分析
高血压患者治疗前后的舒张压(mmHg)
处理组 a1
对照组(安慰剂组)a2
顺序号 治疗前 治疗后 合计(Mj) 顺序号 治疗前 治疗后 合计(Mj)
●处理因素在区组内随b机1分配； b2
118
124
-6
132
122
10
134
132
2
114
96
18
118
124
-6
128
118
10
118
116
2
132
122
10
120
124
-4
134
128
6
1248
1206
42
124.8
120.6
4.2
7.90
9.75
8.02
三、重复测同相量一关受的设试。计者的(单血样因重素复测)量的结果是高度
受试者血糖浓度(mmol/L)
214
17
118
明“服8药”有效； 138
122
260
18
132
重复测量设计与随机区组设计区别
降压药9物与安慰剂间疗12效6差别无统计学1意08义；
234
19
120
注若意球事 对1项称0 1性、质单不因能素满实足1验2，重4则复方测差量分数析据的1分F0析值6是偏大的，2增3大0了犯第一类错2误0 的概率。 134
重复测量设计的方差分析
讲课内容
第一节 重复测量资料的数据特征 第二节 重复测量数据的两因素两水平分析
重复测量方差分析
重复测量方差分析1.理论重复测量：指对同一批研究对象先后施加不同的实验（或在不同的场合）进行测量。
重复测量方差分析：研究在不同的实验或（不同场合）之间是否有差异，或条件和处理间交互项是否有差异。
变量应满足：因变量为连续型随机变量，因素为分类变量。
正态性：不同条件下的个体取自相互独立的随机样本，其总体需满足近似正态分布。
方差齐性：不同条件下的总体方差相等。
满足球形假设：因变量的方差-协方差矩阵满足球形交互项项两两比较结果需要借助语法。
图1交互项两两比较语法2.重复测量方差分析操作步骤操作步骤第一步：首先将数据导入spss中并进行赋值，后点击分析、一般线性模型、重复测量。
图2重复测量方差分析操作步骤第一步操作步骤第二步：进入图中对话框后首先定义主体因子名及实验次数点击添加，后添加测量名称（先在测量名称框中输入名称、后点击添加）点击定义。
图3定义因子操作步骤第三步：定义完成后进入图中对话框后、先将对应的变量放入对应的变量框中，点击事后比较将因子框内的因子放入事后比较框中，勾选假定等方差（LSD）、不假定等方差（塔姆黑尼），点击继续。
图4事后比较勾选操作步骤第四步：点击选项将因子框中的因子放入平均值框中，勾选描述统计、齐性检验，点击继续、确定。
图5选项勾选然后重复测量方差分析的主体间因子、描述统计、等同性检验、主体内效应检验、主体因子事后比较结果就出来了。
图6描述统计结果图7主体内效应操作步骤第一步：点击分析、一般线性模型、重复测量。
图8操作步骤第一步第二步：点击定义。
图9点击定义第三步：进入图中对话框后，点击粘贴。
图10点击粘贴第四步：进入语法编辑窗：在红色框内放入对应的语法（可参考图中语法进行编辑），后选中语法点击红色框内的绿色箭头。
图11语法编写5.交互项结果然后重复测量方差分析的主体因子和因子交互项的主体内因子、主体间因子、描述统计、博克斯等同性酱油结果就出来了。
图12描述统计主体内效应检验、主体内对比检验、误差方差的莱文等同性检验。
重复测量资料的方差分析
ˆ ˆ ˆ2 2k 式中中的 s 是协方差矩阵中的第 k 行第 l 列元素， s ＝ ( = (∑ s ) / a 是主对角线元素的平均值， s = (∑ s ) / a 是第 k 行的平均值。
ε ˆ 的取值在 1.0 与 1/(a -1)之间。
ε =ˆˆ ˆ分子自由度ν 1 =ν 1 ⨯ε 分母自由度ν 2 =ν 2 ⨯ε 。
具体计算时可用或ε 代替。
用 调整所得的ν 1 及ν 2 的 F 值查临界值表，得 F α (ν ' ,ν ' ) 。
由于ε≤ 1.0，所以调整后的重复测量资料方差分析重复测量（repeated measure ）是指对同一观察对象的同一观察指标在不同时间 点上进行的多次测量，用于分析该观察指标在不同时间上的变化特点。
这类测量 资料在临床和流行病学研究中比较常见，例如，为研究某种药物对高血压病人的 治疗效果，需要定时多次测量受试者的血压，以分析其血压的变动情况。
1、 重复测量资料方差分析中自由度调整方法1.调整系数 ε 的计算有两个调整系数，第一个是 Greenhouse-Geisser 调整系数 ε (G - G ε ) ，计算 公式为ε =a 2(s kl - s 2) 2(a -1)[∑ ∑ (s kl ) 2 - (2a )(∑ (s 2 ) 2 ) + a 2 (s 2 ) 2 ]k l kkl 2 2 ∑∑ s k l 2 kl ) / a 2 是所有元素的总平均值， s 2 kk l2 2 ll2 2 kkll 第 2 个系数是 Huynh-Feldt 调整系数 ε (H - F ε ) 。
研究表明，当 ε 真值在 0.7 以上时，用 ε 进行自由度调整后的统计学结论偏于保守，故 Huynh 和 Feldt 提 出用平均调整值 ε 值进行调整。
ε 值的计算公式为ng (a - 1)ε - 2 (a - 1)[(n - 1)g - (a - 1)ε ]式中中的 g 是对受试对象的某种特征（如年龄或性别）进行分组的组数，n 是每组的观察例数。
第十四章 重复测量的资料方差分析
编号
治疗前
治疗后
差值
1
130
114
16
2
124
110
14
3
136
126
10
4
128
116
12
5
122
102
20
6
118
100
18
7
116
98
18
8
138
122
16
9
126
108
18
10
124
106
18
X
126.2
110.2
16.0
S
7.08
9.31
3.13
比较
表3-3 两种方法对乳酸饮料中脂肪含量的测定结果(%)
SS
MS
F
P
总变异
14 0.5328
处理间
2 0.2280 0.1140 11.88 <0.01
区组间
4 0.2284 0.0571 5.95 <0.05
误差
8 0.0764 0.0096
2．重复测量设计区组内即同一受试者 的重复测量数据是高度相关的。例如，计 算表 12-3 中各时间点数据间的相关系数 结果见表 12-6。
表12-4 表 12-3数据的方差分析表
变异来源 自由度 SS MS F
P
总变异
31 5.751
区组(受试者)
7
2.828 0.361 27.77 <0.01
放置时间
3
2.959 0.986 75.85 <0.01
误差
21 0.264 0.013
表12-7 表12-3数据“球对称”检验结果
第三讲重复测量资料的方差分析
第三讲 重复测量资料的方差分析一、重复测量资料的概念例2—1 测量8例受实试者在餐后不同时间的血糖值，以研究血糖的变化规律。
见表2-1 表2-1 不同受试者在不同时间的餐后血糖（mmol/L）code 餐后 餐后30分钟 餐后60分钟 餐后90分钟1 5.32 5.32 4.98 4.652 5.32 5.26 4.93 4.703 5.94 5.88 5.43 5.044 5.49 5.43 5.32 5.045 5.71 5.49 5.43 4.936 6.27 6.27 5.66 5.267 5.88 5.77 5.43 4.938 5.32 5.15 5.04 4.48上述研究中对每一个观察单位重复进行4次观测，每一次观察同一个指标，这样所获得的资料称之为重复测量的资料一般说来，研究设计中考虑到以下问题时应采用重复测量研究设计及其方差分析：1、研究主要目的之一是考察某指标在不同时间的变化情况。
如考察某种减肥药的疗效，需随访研究对象在一段时间内休重的变化。
2、研究个体间变异很大，应用普通研究设计的方差分析时，方差分析表中的误差项值将很大，即计算F值时的分母很大，对反应变量有作用的因素常难以识别。
应用重复测量设计时可将受试者内变异从普通方差分析表的误差项中分离出来，减小误差项。
如以家庭为观察单位，考察家庭中每一成员对某类食品的喜爱程度；以窝别为观察单位，观察一窝仔鼠食用某种饲料后体重增加情况；以人为观察单位，观察牙齿中患龋齿的个数；以某集团公司为观察单位，考察其旗下上市子公司股票价格表现等等。
所有这些类型的资料都存在一个共性，即观察结果相互之间存在一定程度的内在相关性，即不满足方差分析、线性模型应用的前提条件，即各观测结果间相互独立。
重复测量仍然应用方差分析的基本思想，将反应变量的变异分解成以下四个部分：1、研究对象内的变异，又称为组内效应，即测量时间点（或测量条件下）的效应2、研究对象间的变异，有称为组间效应，即处理因素(treatment)的效应3、上述两者的交互作用，组内效应和组间效应的交互作用，表现为在不同时间点（测量条件），处理因素的效应不同。
重复测量方差分析报告
? SS总= X 2 ? C
? SS组间
?
1 2
M
2 j
?
C
? ? SS组内 ?
X2 ? 1 2
M
2 j
表中n 为每个处理组中观察对象的例数， X 为 每个观察结果，M为每个观察对象前后两次 观察的合计，C为校正系数。
表12-10 重复测量设计两因素两水平的方差分析表
变异来源 组间（对象）
干预（A） 组间误差 组内（重复） 时间（B） AB交互作用 组内误差
自由度
SS
MS
F
2n-1
SS 组间
1
SS A
MS A
MS A/ MS 组间误差
2(n-1) 2n
SS 组间- SS A SS 组内
MS 组间误差
1
SS B
MS B
MS A/ MS 组内误差
1
SS AB
MS AB
MS AB/ MS 组内误差
2(n-1) SS组内- SS B- SS AB MS 组内误差
点击按钮 “Define”
选中变量 “group”
选中变量“ before”和 “after” 此时框内显示：
点击B按ef钮or“e(1) ” After(2)
点击按钮此“时框内”显示： Group
点击按钮“ Plots”
选中变量“ group” 点击按钮“ ”
选中变量“ time” 点击按钮“ ”
9月 1.60 3.40 …… 1.81 2.40
表 4-9 不同药物作用后小白鼠肉瘤重量（ g）
区组
A药
B药
C药
1
0.82
0.65
0.51
2
第二十章重复测量设计资料的方差分析
第二十章重复测量设计资料的方差分析重复测量设计（repeated measurement design）在医学、生物学研究中较为常见，即在给予一种或多种处理后，在多个时间点上从同一个受试对象重复获得指标的观察值；重复测量研究的目的是探讨同一研究对象在不同时间点某指标的变化情况。
第一节重复测量资料的数据特征一、前后测量设计配对t检验与前后测量设计的区别配对t检验前后测量设计1. 同一对子的两个实验单位可以随机分配处理， 1. 不能同期观察试验结果，虽然可以在两个实验单位同期观察实验结果，可以比较处理前后测量之间安排处理，但在本质上是组间差别。
前后差别，推论处理是否有差异是有条件的，即假定测量时间对观察结果没有影响。
2. 要求同一队子的两个实验单位的观察结果分别 2. 前后两次观察结果通常与差值不独立，与差值相互独立，差值服从正态分布。
大多数情况第一次观察结果与差值存在负相关的关系。
3. 用平均差值推论处理的作用。
3. 除了用平均差值外，还可进行相关回归分析。
二、设立对照的前后测量设计三、重复测量设计当前后测量设计的重复测量次数t>=3时，称重复测量设计或重复测量数据。
重复测量设计与随机区组设计的区别重复测量设计随机区组设计1. “处理”是在区组间随机分配，区组内的各时间 1. 处理在区组内随机分配，每个实验单位点是固定的，不能随机分配。
接受的处理各不相同。
2. 区组内实验单位彼此不独立 2. 满足“球对称”假设*3. 统计分析采用多元方差分析或 3. 统计分析采用随机区组方差分析重复测量数据的方差分析*重复测量数据用随机区组方差分析比较处理组间差异，前提条件时要满足“球对称”（sphericity）假设，即重复测量误差的协方差矩阵经正交对比变换后，与单位矩阵I4*4成比例。
当不符合“球对称”假设时，要对处理组间相应的F界值进行校正。
校正的方法是用“球对称”系数?乘处理组间效应F界值的自由度v1和v2，得到T1=v1*?， T2=v2*?，用Fα（T1T2）作为检验界值。
重复测量计量的方差分析
SS误差 SS总 SS处理 SS对象间 ， 误差 n 1a 1
ANOVA表
表 10-2 单 因 素 重 复 测 量 资 料 的 方 差 分 析
变异来源
离均差平方和 自由度
均方
F
P
受试对象间
2023.72
8
252.96
受试对象内
2339.25
Box(1954)指出，若球形性质得不到满足，则方差 分析的F值是有偏的，这会造成过多的拒绝本来是真的 无效假设（即增加了I型错误）。
一般ANOVA的协方差矩阵
V
s121 s221
s122 s222
sa21 sa22
s12a s22a
sa2a
s121
(
y 1i
y1 ) 2
(n 1)
s122
7.75
3 C药 90 69 69 71 74 80 106 76 82 79.67 12.01
4 B药 67 55 73 72 72 72 74 59 80 69.33
7.81
di (1-2) 27
5 7 23 2 6 12 14 16 12.44 8.47
di (1-3)
4 -12
12 11 -7 -2 -19
sa21 sa22
s12a s22a
sa2a
s121
(
y 1i
y1 ) 2
(n 1)
时间点间的协方差矩阵
实验前 5 周后 10 周后
实验前
0.081
0.090
0.065
5 周后
0.386 0.411
10 周后
0.723
s122
第十章方差分析重复测量资料的方差分析
第十章方差分析重复测量资料的方差分析重复测量设计是一种常用的实验设计方法，特指对同一组被试在不同时间点或不同条件下进行多次测量的实验。
在这种实验设计中，同一组被试的多次测量数据间存在相关性，因此不能简单地使用传统的方差分析方法来分析数据。
为了解决这个问题，可以使用重复测量方差分析方法。
重复测量的方差分析方法可以分为两种：一元重复测量方差分析和多元重复测量方差分析。
一元重复测量方差分析是指只有一个自变量的重复测量设计，而多元重复测量方差分析是指有两个及以上自变量的重复测量设计。
一元重复测量方差分析的基本模型是：Yij = μ + αi + βj + (αβ)ij + εij其中，Yij是第i组第j次测量的观察值，μ是总均值，αi是第i 组的效应，βj是第j次测量的效应，(αβ)ij是第i组第j次测量的交互效应，εij是误差项。
在这个模型中，我们要检验的主要效应是组效应，即是否存在组间差异。
同时，还可以检验时间效应、组内差异以及组间×时间的交互效应。
检验组效应的方法可以使用F检验或t检验。
F检验是比较组间均值之间的差异是否显著，而t检验则是比较每个组的均值与总体均值之间的差异是否显著。
另外，还可以使用Levene检验来检验组间方差的齐性。
如果数据满足方差齐性的假设，则可以使用传统的重复测量方差分析方法进行分析；如果不满足方差齐性的假设，则可以使用非参数的方法，如Friedman检验。
多元重复测量方差分析的基本模型是：Yijk = μ + αi + βj + γk + (αβ)ij + (αγ)ik + (βγ)jk + (αβγ)ijk + εijk其中，Yijk是第i组第j次第k条件下的观察值，μ是总均值，αi 是第i组的效应，βj是第j次测量的效应，γk是第k条件的效应，(αβ)ij、(αγ)ik、(βγ)jk和(αβγ)ijk是交互效应，εijk是误差项。
多元重复测量方差分析的检验方法与一元重复测量方差分析类似，可以使用F检验或t检验来检验各个主要效应的显著性。
定量数据重复测量的方差分析
定量数据重复测量的方差分析引言。
在科学研究中，我们经常需要对同一组对象进行多次测量，以便得到更加准确和可靠的数据。
在这种情况下，我们需要进行方差分析来确定测量结果的差异是否显著。
本文将介绍定量数据重复测量的方差分析方法及其应用。
一、方差分析的基本原理。
方差分析是一种用于比较两个或多个组之间差异的统计方法。
在定量数据重复测量的情况下，我们通常使用重复测量方差分析（Repeated Measures ANOVA）来分析数据。
重复测量方差分析可以用于比较同一组对象在不同时间点或不同条件下的测量结果之间的差异。
重复测量方差分析的基本原理是利用组内变异和组间变异之间的比较来判断测量结果的差异是否显著。
组内变异是指同一组对象在不同时间点或不同条件下的测量结果之间的差异，而组间变异是指不同组对象之间的测量结果之间的差异。
通过比较组内变异和组间变异的大小，我们可以判断测量结果的差异是否由于不同时间点或不同条件引起。
二、重复测量方差分析的假设。
在进行重复测量方差分析时，我们需要满足以下几个假设：1. 同质性方差假设，不同组对象在不同时间点或不同条件下的测量结果的方差相等；2. 正态分布假设，测量结果符合正态分布；3. 独立性假设，不同组对象在不同时间点或不同条件下的测量结果相互独立。
如果以上假设不成立，我们需要采取相应的方法来处理数据，例如进行变换或者使用非参数方法进行分析。
三、重复测量方差分析的步骤。
进行重复测量方差分析的步骤如下：1. 确定研究设计，确定需要比较的组别以及重复测量的时间点或条件；2. 收集数据，收集不同组对象在不同时间点或不同条件下的测量结果；3. 检验假设，对数据进行正态性检验和同质性方差检验，如果假设不成立，则需要进行相应的数据处理；4. 进行方差分析，利用统计软件进行重复测量方差分析，得出组间变异和组内变异的比较结果；5. 进行事后检验，如果方差分析结果显著，我们需要进行事后检验来确定具体哪些组别或时间点之间存在显著差异；6. 结果解释，根据方差分析和事后检验的结果，对测量结果的差异进行解释和讨论。
重复测量资料的方差分析
重复测量资料的方差分析什么是重复测量资料？重复测量资料是指在同一物件上，经过多次测量所得的一组数据。
它可以用于评估测量装置或人员的准确度和可靠性，或对同一样品在不同时间或不同实验条件下的实验测量结果进行比较。
方差分析方差分析是一种分析比较不同组别之间差异的统计方法，它可以判断一个因素对实验结果的影响是否显著。
在重复测量资料的分析中，方差分析可以用于确定是否存在个体之间的显著差异。
重复测量资料的方差分析方法在重复测量资料的方差分析中，采用的是双因素重复测量资料的方差分析方法。
这种方法包括两个因素：测量因素和重复因素。
测量因素是要分析的因素，重复因素是指对同一物件进行多次测量，每次测量之间都存在一定程度的差异，重复因素会产生误差。
以下是双因素重复测量资料的方差分析步骤：步骤一：确定方差来源方差来源包括测量因素、重复因素以及随机误差。
其中测量因素和重复因素可以用于计算方差，而随机误差则不能。
步骤二：计算平方和平方和是指每个因素所产生的方差之和。
计算平方和的公式如下：•总平方和（TSS）：TSS=SSA+SSB+SSAB+SSE•因素A的平方和（SSA）：SSA=n∑(yij-y··)2/a-1•因素B的平方和（SSB）：SSB=n∑(yij-y··)2/b-1•因素AB的平方和（SSAB）：SSAB=n∑(yij-yi·-y·j+y··)2/(a-1)(b-1)•误差平方和（SSE）：SSE=TSS-SSA-SSB-SSAB其中，n是每组数据的测量次数，a和b是因素A和因素B的水平数，yij是第i个个体在第j次测量中的数据，yi·是第i个个体在所有测量中的均值，y·j是所有个体在第j次测量中的均值，y··是所有测量数据的均值。
步骤三：计算自由度自由度是指某一因素或误差中可变的部分，计算自由度的公式如下：•总自由度（DFS）：dfs=nab-1•因素A的自由度（DFA）：DFA=a-1•因素B的自由度（DFB）：DFB=b-1•因素AB的自由度（DFAB）：DFAB=(a-1)(b-1)•误差自由度（DFE）：DFE=dfs-DFA-DFB-DFAB步骤四：计算均方值均方值是平方和与自由度的比值，计算均方值的公式如下：•因素A的均方值（MSA）：MSA=SSA/DFA•因素B的均方值（MSB）：MSB=SSB/DFB•因素AB的均方值（MSAB）：MSAB=SSAB/DFAB•误差的均方值（MSE）：MSE=SSE/DFE步骤五：计算F值F值是均方值之比，计算F值的公式如下：•因素A的F值（FA）：FA=MSA/MSE•因素B的F值（FB）：FB=MSB/MSE•因素AB的F值（FAB）：FAB=MSAB/MSE步骤六：计算P值P值是指一个F分布的概率值，计算P值需要使用F分布表。
重复测量设计资料的方差分析SPSS操作
8.000 104.703 19.101
2.000 418.813 19.101
48
5.482
32. 577
8.077
48. 000
5.482
12. 000
21. 927
不同诱导时相之间收缩
Sig. .0ቤተ መጻሕፍቲ ባይዱ0
压存在差别，
.000
.000 F=106.558，P<0.01；
.000
.000
.000 诱导时相与诱导方法之
Corre cted
t ests
are
b.
满足了协方差矩阵
Design: Inte rcept+GROUP Within Subjects Design: FACTOR1
球对称的条件，不 需对结果进行校正；
Te sts of Within-Subje cts Effect s
Measure: MEASURE_1
患者序号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
T 0
T 1
麻醉诱导时相
T 2 T 3
120
108
112
120
118
109
115
126
119
112
119
124
121
112
119
126
127
121
127
133
121
120
118
131
122
121
119
129
128
129
126
Lower-bound
263. 120
df Mean Square F
重复测量资料的方差分析
浙江大学医学院流行病与卫生统计学教研室 沈毅
协方差阵的球形性质是指该矩阵主对角线元素（方差）
相等、非主对角线元素（协方差）为零。用Mauchly氏法
检验协方差阵的球形性质。Mauchly氏检验的 P值若大于
研究者所选择的显著性水准α时，说明协方差阵的球形性
质得到满足。否则，必须对与时间有关的F统计量的分子、
（1）Greenhouse-Geisser调整系数
(G
G
)
为：
a2 (sk2k s2 )2
(a
1)
k
l
(sk2l )2 (2a)(
k
(sk2
)2
)
a
2
(
s
2
)2
(10 2)
式（10-2）中的 sk2l 是矩阵（10-1）中第k行第l列元素，
浙江大学医学院流行病与卫生统计学教研室 沈毅
SAS程序给出本例的协方差阵Mauchly球形性检验的结果为P
＝0.1628，故不必进行自由度的调整。查F界值表得：F0.01（3，24） ＝3.01，F0.01（3，24）＝4.72。本例处理因素的F值为8.22，大于 F0.01（3，24），故拒绝无效假设，说明处理因素间的差别具有统计 学意义。
当 1.0时，取＝1.0。
浙江大学医学院流行病与卫生统计学教研室 沈毅
2．调整规则 只对具有重复测定性质的时间效应的
F值的自由度，和处理时间交互作用的F值的自由度进行
调整。由于F值有两个自由度v1和v2，调整的分子自由
度
v1' v1× ,
，分母自由度 v2'
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
球形对称的实际意义
所有两两时间点变量间差值对应的方差相等
V
s
2 1
1
s
2 21
M
s
2 1
2
s
2 22
M
L L M
s
2 1
a
s
2 2
a
M
对于yi与yj两时间点变量间差值对应的方差 可采用协方差矩阵计算为：
s
2 a1
s
2 a
2
L
s
2 1
1
(y 1i
y1)2
s
2 a
a
(n 1)
s2 yi yj
sy2i
sy2j
2sy2i yj
s
2 1
2
(y 1i
y1)( y 2i
y2)
(n 1)
如：sy21y2 s121 s222 2s122
y1i y 2i
y1i y 2i n
rij
s
2 ij
s
2 ii
s
2 jj
球形对称的实际意义举例
s2 yi yj
sy2i
sy2j
2sy2i yj
如：sy21y2 s121 s222 2s122
本例差值对应的方差精确 相等，说明球形对称。
球形对称的检验
用Mauchly法检验协方差阵是否为球形
H0：资料符合球形要求， H1：资料不满 足球形要求 检验的P值若大于研究者所选择的显著性 水准α时，说明协方差阵的球形性质得到 满足。
球形条件不满足怎么办？
常有两种方法可供选择：
1. 采用MANOVA（多变量方差分析方 法）（超出本书范围）
( 1 ) G e e n h o u s e - G e i s s e r 调 整 系 数 ˆ ( G - G ˆ ) 为 ：
ˆ
2
a 2 sk2k s 2
a 1
sk2l 2 2a
sk2
2 a 2
s2
2
k l
k
(10-2)
式 (10-3)中 的
s
2 kl
是
矩
阵
(1
5 周后
0.386 0.411
10 周后
0.723
s
2 12
(y 1i
y1)( y2i
y2)
(n 1)
y1i y 2i
y1i y 2i n
时间点间的相关系数
实验前 5 周后
rij
s
2 ij
s
2 ii
s
2 jj
实验前 5 周后
1
0.507
1
10 周后
10 周后 0.269 0.777
y1)2
(n 1)
s
2 12
(y 1i
y1)( y2i
y2)
(n 1)
y1i y 2i
y1i y 2i n
rij
s
2 ij
s
2 ii
s
2 jj
对 于 第 8 、9 章 ， 几 个 处 理 组间的协方差矩阵为：
s
2 11
V
0 M
0
s
2 2
2
M
0 0
且
假
定
s
2 11
L
L 0
L
0
2. 对重复测量ANOVA检验结果中与时 间有关的F值的自由度进行调整（调小）
分
子
自
由
度
' 1
1, 分
母
自
由
度
' 2
2
( 1 ) G e e n h o u s e - G e i s s e r 调 整 系 数 ˆ ( G - G ˆ )
(2)Huynh-Feldt 调 整 系 数 (H-F )
二、自由度调整方法1
协方差阵 A1 A2 A3 A4
A1
10 5 10 15
A2
5 20 15 20
A3
10 15 30 25
A4
15 20 25 40
s1-22 = 10 + 20 - 2(5) = 20 s1-32 = 10 + 30 - 2(10) = 20 s1-42 = 10 + 40 - 2(15) = 20 s2-32 = 20 + 30 - 2(15) = 20 s2-42 = 20 + 40 - 2(20) = 20 s3-42 = 30 + 40 - 2(25) = 20
重复测量资料的方差分析
华中科技大学同济医学院 宇传华
2004年10月
重复测量的定义
重复测量(repeated measure)是指对同一 研究对象的某一观察指标在不同场合（ occasion，如时间点）进行的多次测量。
例如，为研究某种药物对高血压（哮喘 病）病人的治疗效果,需要定时多次测定受 试者的血压（FEV1） ，以分析其血压（ FEV1）的变动情况。
前面的处理效应有可能 滞留到下一次的处理.
潜隐效应(Latent effect)
前面的处理效应有可能 激活原本以前不活跃的效 应.
学习效应(Learning effect)
由于逐步熟悉实验，研 究对象的反应能力有可能 逐步得到了提高。
第一节 重复测量资料方差分析 对协方差阵的要求
• 重复测量资料方差分析的条件： 1. 正态性 处理因素的各处理水平的样本个体之间是相 互独立的随机样本，其总体均数服从正态分布；（个体内不独立） 2. 方差齐性 相互比较的各处理水平的总体方差相等， 即具有方差齐同 3. 各时间点组成的协方差阵(covariance matrix)具有球 形性(sphericity)特征。
0
旧剂型 新剂型
4
8
12
时间（小时）
图10.附2 某药新旧剂型血药浓度随时间的变化
重复测量设计的优缺点
• 优点：
每一个体作为自 身的对照，克服了个 体间的变异。分析时 可更好地集中于处理 效应.
因重复测量设计 的每一个体作为自身 的对照，所以研究所 需的个体相对较少， 因此更加经济。
• 缺点：
滞留效应(Carry-over effect)
M M
L
s
2 a
a
s
2 a
a
重复测量资料的协方差矩阵
V
s
2 11
s
2 2
1
M
s
2 1
2
s
2 2
2
M
L L M
s
2 a
1
s
2 a
2
L
s
2 11
(y 1i
y1)2
s
2 1
a
s
2 2
a
M
s
2 a
a
(n 1)
时间点间的协方差矩阵
实验前 5 周后 10 周后
实验前
0.081
0.090 0.065
注：FEV1——最大呼气量
每一根线代表1只兔子
实例举例1
胆固醇（mg%)的对数
6.5
处理组
6.0
对照组
5.5
5.0
4.5
4.0
3.5 实验前
5周后
10周后
图10.附1 两组家兔血清胆固醇的对数随时间的变化
每一根线代表1位病人
实例举例2
血药浓度（μmol/L)
180 150 120
90 60 30
0
-
1
)
中
第
k
行第
l
列元素，
s 2 =
s
2 kl
a2 是 所 有 元 素 的 总 平 均 值 ， sk2k (
Box(1954)指出，若球形性质得不到满足，则方差 分析的F值是有偏的，这会造成过多的拒绝本来是真的 无效假设（即增加了I型错误）。
一般ANOVA的协方差矩阵
V
s
2 11
s
2 2
1
M
sHale Waihona Puke 2 12s2 2
2
M
L L M
s
2 1a
s
2 2
a
M
s
2 a1
s
2 a
2
L
s
2 a
a
s
2 11
(y 1i