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。

(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 =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,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=0.031<0.05),并且球形度W值为0.463<0.75,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。

4.折线图分析

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。(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0.1水平的显著性(p =0.050 <0.1),即说明二者具有差异性。

对于第4周-第8周来看,其呈现出0.1水平的显著性(p =0.087 <0.1),即说明二者具有差异性。

7.简单效应比较

分析结果来源于SPSSAU

上表结果显示:对于第1周、第4周、第8周来看,P值均大于0.1,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0.8,那么GG校正自由度为10*0.8=8。

(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SPSSAU官网查看。

重复测量方差分析步骤汇总相关推荐

  1. 两因素重复测量方差分析,史上最详细SPSS教程!

    原文地址 http://www.sohu.com/a/202657022_489312 2017-11-06 18:34 一.问题与数据 研究者想知道短期(2周)高强度锻炼是否会减少C反应蛋白(C-R ...

  2. R语言单因素重复测量方差分析(one-way repeated measures ANOVA)实战

    R语言单因素重复测量方差分析(one-way repeated measures ANOVA)实战 目录 R语言单因素重复测量方差分析(one-way repeated measures ANOVA) ...

  3. spss方差分析_SPSS单因素重复测量方差分析

    什么是重复测量方差分析? 重复测量是指在不同的时间点上对同一对象的同一观察指标进行多次测量,重复测量设计是科研工作中常见的设计方法,常用来分析在不同时间点上某指标的差异. 重复测量设计的优缺点是什么? ...

  4. 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 ...

  5. 如何进行SPSS的重复测量方差分析

    IBM SPSS Statistics的重复测量方差分析,为重复测量的数据提供了单变量与多变量的方差分析,其分析的是多次测量数据之间存在的相关关系,与单因素或多元素方差分析不同的是,其不同测量数据之间 ...

  6. python 方差分析_使用Python的重复测量方差分析

    python 方差分析 A common method in experimental psychology is within-subjects designs. One way to analys ...

  7. 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 ...

  8. 使用Statsmodels在Python中进行重复测量方差分析

    In this brief Python data analysis tutorial we will learn how to carry out a repeated measures ANOVA ...

  9. 解读SPSS重复测量方差分析的检验结果

    重复测量方差分析是对一个因变量重复测量,并分析测量值之间相关关系的分析方法.在<如何进行SPSS的重复测量方差分析>一文中,我们已经详细学习了IBM SPSS Statistics重复测量 ...

  10. RSPSS重复测量方差分析

    最近在做重复测量方差分析,真的是走了很多弯路,足足花费了我两周的时间,因此在此写一篇博文,希望能给其他人提供一些参考. 先说建议: 建议使用SPSS,不要使用R,会省很多精力,我用R做了3天,失败了, ...

最新文章

  1. 【腾讯代码文化】人均3.6万行代码,《腾讯研发大数据报告》正式发布!
  2. 跟我学jQuery(三) 无所不能的选择器1
  3. 源代码遭泄露,大疆员工被罚20万,判刑半年。
  4. matlab中存档算法代码,MATLAB 智能算法超级学习手册中程序代码
  5. 查看linux的计划任务日志,查看计划任务日志(共5篇).docx
  6. 如何在网页标题栏title加入logo(icon)图标?
  7. sqlite3_finalize sqlite3_close
  8. windows编程 使用C++实现多线程类
  9. 2Y叔的clusterProfiler-book阅读Chapter 2 Functional Enrichment Analysis Methods
  10. 上帝掷骰子吗--量子物理史话
  11. 《职场动物进化手册》笔记整理
  12. Android 自动朗读TT
  13. 黑客游戏系列--------第二关
  14. android编译环境-软硬件要求
  15. docker 中安装Jenkins-Jenkins持续化集成(GIT/maven/钉钉机器人)详细步骤
  16. 微信小程序-评论系统
  17. lqc_构建基于域名的虚拟主机
  18. 详解IC卡、ID卡、M1卡、射频卡四种智能卡的区别
  19. 从0学习C语言(第3天)---- C语言初探、把C玩弄于股掌之中的思维(思维无限扩展法)
  20. The Log: What every software engineer should know about real-time data's unifying abstraction

热门文章

  1. 读取jpeg图像数据
  2. 使用Echarts在前端页面绘制地图
  3. 【Unity】插件TextAnimator 新手使用说明
  4. STM32开发项目:ADS1115的驱动与使用
  5. Android实战开发--制作圆形头像(简易篇)
  6. 医学图像处理(三)ABIDE数据集下载
  7. C# WinForm程序 PDF文档分割代码实现
  8. 你要知道的N个Android适配问题
  9. 均值、方差、标准差、协方差详解及MATLAB实现
  10. 苹果手机怎么保存ins上的图片到本地