一文带你轻松掌握重复测量方差分析

在某些实验研究中，常常需要考虑时间因素对实验的影响，当需要对同一观察单位在不同时间重复进行多次测量，每个样本的测量数据之间存在相关性，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。

 

案例：当前有这样一项关于抑郁症的研究，共有12名患者，分为两组，每组6名患者分别使用新药或者旧药；并且分别测量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。

 

研究问题：①旧药、新药对患者抑郁情况的影响是否有差异？②时间是否会影响抑郁情况？③时间和用药类型两者是否存在交互作用？

 

1. 数据格式

 

常见的重复测量数据格式，一般记录成下图格式：

 

常见格式

 

在上传SPSSAU分析时，需要先进行整理。

 

上传格式

 

如上图，将三次测量的结果，整理到同一列中，并单独设置一列用于识别测量时间。比如上图有12个样本（12个ID号），并且测量3个时间点。那么就一定会有12*3=36行数据。同一个ID号会重复3次，同一个时间点会重复12次。

 

对于重复测量数据，要求比较严格，不能出现数据缺失。比如在第八周，ID为12的样本缺少测量数据，那么在分析时，需要把所有ID为12的样本数据都剔除出模型。

 

2. SPSSAU操作

 

将数据上传至SPSSAU分析，选择【实验/医学研究】--【重复测量方差】。

 

重复测量方差-SPSSAU

 

 

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。

 

组内项表示同一对象被测试多次的标识项（如时间）；组间项表示不同对象组别的标识项。案例中测量时间点称之组内项；旧药、新药的不同组别称为组间项。

 

本例子中共有4项，分别包括测量数据‘抑郁情况’，组内项‘测量时间’，患者编号‘ID’和组间项‘组别’，分别放置数据如下：

 

 

 

3. 结果解读

 

重复测量分析共包括两大项，分别是组间项效应分析和组内项效应分析。

 

比如本案例中两种药物疗效差异对比，即为组间项效应分析。如果希望对比不同时间点的疗效差异，即为组内项效应分析。

 

组间项效应分析直接查看p 值即可；组内项效应分析需要进行球形度检验，并且结合检验选择适合的结果。

 

（1）针对组间效应检验表格进行分析，分析组别间效应显著性情况。即判断旧药、新药对患者抑郁情况的影响是否有显著差异。

 

组间效应分析结果-SPSSAU

 

首先分析组间效应，由上表可知：不同药物类型对抑郁程度没有呈现出显著性(F =0.224,p =0.646>0.05)，说明新药和旧药对于抑郁症没有明显的差异。

 

如果组间项呈现出显著性，可使用图形、方差分析或事后多重比较研究具体差异。

 

（2）在分析组内效应前，需要先进行球形度检验。

 

球形度检验结果-SPSSAU

 

• 当球形度检验p>0.05说明通过球形度检验，此时查看组内效应分析结果时，使用“满足球形度检验”结果。

• 当球形度检验p<0.05说明未通过球形度检验，并且球形度W值大于0.75，组内效应则使用HF校正结果。

• 当球形度检验p<0.05说明未通过球形度检验，并且球形度W值小于0.75，组内效应分析结果则使用GG校正结果。

 

由上图可知，P=0.031<0.05，未通过球形度检验，球形度W值小于0.75，组内效应分析应以GG校正结果为准。

 

（3）针对组内效应检验表格进行分析，分析组内效应及交互项显著性情况。即判断时间是否会影响试验结果和两者之间是否存在交互作用。

 

组内效应分析结果-SPSSAU

 

对于时间点来看，其呈现出0.1水平的显著性(F =4.136，p =0.055 <0.1），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 =0.591，p=0.499> 0.05)，说明并不存在差异效应。

如果呈现出差异，可具体结合图表进行分析，也可以使用SPSSAU方差分析或事后多重比较进一步对比差异性等。

 

从上图可以看出：第1周时抑郁程度分值为4.00分，第4周时为4.08分，第8周明显上升为4.83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4.08分明显上升到4.83分。

 

结论：

• 不同药物对抑郁症患者的抑郁程度影响没有显著差异。

• 不同测量时间患者的抑郁症程度有着明显的差异性，随着用药后测量时间的延长，患者抑郁情况有加重迹象。

• 随测量时间延长，不同药物对抑郁程度影响没有显著差异。