重复测量资料纵向研究的数据分析-1
重复测量资料纵向研究的数据分析-1
单变量组内设计
在纵向研究中,如果对同一个体的测量次数超过两次,情况会变得比较复杂。配对t检验就不再适用。
先来理解什么是“单变量组内设计(One-within design)”,只有一个结果变量,且在同一组个体中进行多次测量。研究组内结果变量随时间的变化情况。
一、分析方法
1.多元方差分析(多变量分析)
多元方差分析(Multivariate analysis of variance,MANOVA),又称重复测量资料的广义线性模型(Generalized linear model(GLM)for repeated measures)可分析结果变量Y随时间变化而变化的问题。
MANOVA基本统计思想与配对t检验是相同的。T次测量可得到出T-1个差值(前一次减后一次),比较T-1个差值的方差分析结果。多元是指将T-1个差值同时作为结果变量。统计检验方法是基于T-1个差值及所对应的方差、协方差。F统计量是服从自由度为(T-1),(N-T+1)的F分布(F-distribution)。
MANOVA的基本假设与配对t检验有一定可比性:(1)独立(每个个体的每次测量结果是独立的);(2)正态分布(每个个体测量所得到的的观测数据服从正态分布)。
2.单变量分析(univariate)
单变量分析与一般方差分析具有相似性(误差的分解)。需满足于多元方差分析的条件外,还需满足球形假设(Sphericity Assumed),又称复合对称性假设(Compound symmtery)。多次重复测量所得的Y值之间的相关性相等,且方差一致。球形度系数(Sphericy coefficient)ε=1,数据结构符合。
二、结果解读
1.多变量分析结果
结果变量Y,重复测量6次(t=1~6),探索Y在t=1和t=6之间,是否随时间变化而变化。F值和显著性水平是基于多变量检验(Multivariate test)的结果。总体时间效应显著(p=0.000),即结果变量Y随时间而变化。分析方法是用提出该方法的统计学家名字命名,分析过程中存在的差异较小,最后结果基本一致。
2.球形检验
通过Greenhouse-Geisser的方法得到球形度系数ε为0.741,通过Mauchly的球形检验可以得到ε的显著性。结果显示拒绝原假设(p=0.000),即球形假设不满足。需要对F检验进行自由度校正(自动校正)。
3.单变量分析结果
个体内效应检验(Tests of Within-Subject effects)为单变量分析结果。时间效应估计(time),第一个是球形假设(Sphericity Assumed),其他三种(Greenhouse-Geisser、Huynh-Feldt、Lower-bound)是在球形假设不满足的情况下,自由度校正方法。推荐使用Greenhouse-Geisser,方法相对保守。结论是随时间变化结果变量Y变化显著。具体的变化情况,需进行函数关系检验。
3.函数关系检验
从个体内差异(Tests of Within-Subjects Contrasts)结果得到线性检验的结果(Linear),F=126.240,p=0.000,表明结果变量与时间可能存在线性关系。Quadratic(二次)、Cubic(三次)等都显著。Y与时间存在某种关系,具体关系如何呢?结果变量随时间的变化增加了还是减少了需作图,才能更好的解释分析结果。
4.绘图
边际均值:样本在每个测量时间的均值。
图示结果显示,变化趋势是小幅度减少,然后迅速增加。
5.时间效应强度
以上分析可知,结果变量Y与时间存在一定的关系,Y随时间变化会发生变化,那么变化的强度是怎么样的?时间效应强度(Strength of effect)大小可以用η2 (eta square)表示,即特定效应平方和与总平方和的比值。表示变量Y的变化有多少可通过时间效应来解释。eta square=0.406(89.99/(131.40+89.99))。时间效应解释了结果变量Y的41%的方差。
三、总结
1.重复测量资料的方差分析的理解
在不考虑每个个体重复测量做数据之间的非独立性,只是在6次测量之间比较结果变量Y的均值。(此方法为常规意义上的方差分析,若仅有两次,则与两独立样本t检验和配对样本t检验一样)。常规的方差分析显示F=32.199,P=0,000,结果显示至少有一个时间点的结果变量Y的均值与其他的某一个时间点的结果变量Y的均值相比有显著性差异。
但是纵向研究的本质是同一个体在不同时间点被重复测量,数据之间是不独立的。所以MANOVA与ANOVA是有差别的。ANOVA的误差平方和远大于MANOVA的误差平方和。ANOVA残差均方=0.559,MANOVA残差均方=0.018(球形假设误差error(time)sphericity assumed)。个体平均平方和从误差平方和中分离。
1.多变量分析与单变量分析的选择
区别:球形假设
多元方差分析(配对t检验的扩张),不需要进行球形假设。单变量分析(ANOVA的扩展)需要做球形假设(随着时间的发展,结果变量之间具有相等的相关性且方差相等)。球形假设的限制会导致自由度的增加,提高单变量分析的效能。
方法的选择
(1)当样本量小时,效能的提高变得比较重要。样本量N小于重复测量次数*10,不应使用多变量分析,需考虑单变量分析。
(2)先有单变量分析,再有多变量分析。当球形检验不满足时,可以选择多变量分析。但是呢,单变量的分析可以进行校正。所以从原则上讲,球形假设不满足时,两种方法都有可以使用。
(3)只有当两种方法都得到同一结论时,才能真正确认结果变量随时间改变是否显著。当两种方法的结论不一致时,最后的结论需要谨慎考虑。强烈建议采用P值较高的方法。
参考资料:实用流行病学纵向数据分析方法(第2版)
重复测量资料纵向研究的数据分析-1相关推荐
- 跟着JAMA论文学习重复测量资料分析方法
重复测量资料,一般是指对多个时间点进行随访获得的多结局资料.由于多个时间点的数据存在着相关性,如何分析重复测量资料是一件棘手的任务.纵览国内文献,分析方法使用合理的文献乏善可陈.很多人一想到重复测量资 ...
- 一文搞懂重复测量资料分析
重复测量资料是指对同一研究对象的同一个结局指标在不同时间点或不同条件下进行多次测量得到的数据,其目的是(1)关注结局指标水平是否随着时间发生变化:(2)关注各处理组均数随时间变化的趋势是否相同:(3) ...
- 跟着这篇柳叶刀的文章来学会重复测量方差分析
重复测量资料的统计分析与生存分析,堪称当前临床试验两类唱主角的方法.相比生存分析,重复测量资料的分析方法更为复杂. 重复测量方差分析是一种最基本的方法之一了,不过它也不简单.能真正掌握重复测量方差分析 ...
- 如何使用SPSS进行两因素重复测量的方差分析
一.问题与数据 某研究者拟评估海水淹溺后残留于肺内的海水是否可导致严重的肺损伤,建立动物模型.将12只杂种犬随机分为两组,一组海水灌注右肺,另一组海水灌注全肺,每组6只.每只犬分别于海水灌注前以及灌注 ...
- R语言重复测量方差分析
一.概念 重复测量指的是对同一观察对象的同一观察指标在不同的时间点上进行多次测量.用于分析观察指标在不同时间上的变化规律.这类资料在医学研究中比较常见. 在实际工作当中,重复测量资料常被误认为是配对设 ...
- 三因素方差分析_重复测量方差分析的操作教程及结果解读
内容来自:"小白学统计"微信公众号,感谢作者授权. 重复测量数据是指对同一个体在不同时间点的测量,这种数据在医学研究中较为常见,比较典型的数据形式如: 对一组人群分别在干预前后不同 ...
- 方差分析 球形检验_两因素重复测量设计做方差分析时,球形检验没有结果怎么回事?...
问 题 我们都知道,在进行重复测量资料的方差分析时,除需满足一般方差分析的条件外,还必须进行球形假设检验,若不满足球形性对称性质,则方差分析的统计量值是有偏的,从而增大Ⅰ型错误的概率.但是有很多人在进 ...
- 广义典型相关分析_重复测量数据分析及结果详解(之二)——广义估计方程
上一篇文章主要介绍了重复测量方差分析的基本思想是什么.它能做什么.怎么做.结果怎么解释,这几个问题.最后同时指出重复测量方差分析还是有一定局限,起码不够灵活.所以本文在上一篇文章基础上继续介绍医学重复 ...
- AJP:纵向研究:抑郁症青年在当前期和累积期的奖赏系统的功能障碍具有不同的神经基础
大量研究表明,奖赏系统功能障碍是抑郁症的相关和预测因素.最被广泛发现的抑郁症患者大脑功能异常的脑区为纹状体,甚至皮质-纹状体环路对金钱奖赏的反应都较为迟钝.本研究是一个系统性的纵向研究,从2002年起 ...
- R语言和医学统计学(6):重复测量方差分析
本文首发于公众号:医学和生信笔记,完美观看体验请至公众号查看本文. 医学和生信笔记,专注R语言在临床医学中的使用,R语言数据分析和可视化. 文章目录 前言 重复测量数据两因素两水平的方差分析 重复测量 ...
最新文章
- 安卓中运行报错Error:Execution failed for task ':app:transformClassesWithDexForDebug'解决
- OVER(PARTITION BY)函数用法
- 浅析x86架构中cache的组织结构
- Floyed-Warshall算法
- (视频) 《快速创建网站》 3.2 WordPress多站点及Azure在线代码编辑器 - 扔掉你的ftp工具吧,修改代码全部云端搞定...
- 一切事物皆对象_基础篇
- 通过在jquery中添加函数发送ajax请求来加载数据库数据,以json的格式发送到页面...
- 五个典型的 JavaScript 面试题
- 分类与聚类及聚类算法分类
- 华为培训中华为数通HCIE考试流程-ielab
- 白话机器学习-Encoder-Decoder框架
- mailgun php 邮件发送 实例
- 【循环搜寻法(使用卫兵)】
- NLP推理与语义相似度数据集
- 内存按字节 (Byte)编址,地址从A0000H到DFFFFH,共有多少个字节呢?
- tekton taskrun资源
- 【阅读笔记】SiamMask
- [源码和文档分享]VC++实现的基于人眼状态的疲劳驾驶识别系统
- 转转三合一验机源码+验机报告
- android 智能家居开发,基于Android智能家居系统的设计与实现