第十二章重复测量资料方差分析.ppt

表2 重复测量数据的基本格式 分析方法：重复测量资料的方差分析 目的：可以推断处理因素、时间因素、处理×时间的交互作用对于试验对象的观察指标的影响。 基本思想： 观察指标的总变异 重复测量误差（个体内变异） 个体误差 （个体间变异） 处理×时间 时间因素 处理因素 分解 离均差平方和与自由度的分解 原理: 两边平方后求和。 表3 重复测量资料方差分析表 2 。 。 计算步骤 1.计算各组的合计值（见表4）。 2.将表4中合计值代入表3公式，计算各部分变异平方和。 计算步骤 3. 计算均方和F值，确定P值；将最后结果整理成 重复测量资料方差分析表（表5）的形式。 表5 例1重复测量资料的方差分析表 注：经Mauchly“球对称”检验， ，拒绝“球对称”假设，因此采用Lower-bound校正后的P值。 结论 例1中：按 检验水准，药物剂型（A）、剂型与时间的交互作用（AB）均不拒绝H0，即还不能认为药物的剂型对患者的血药浓度有影响，也不能认为剂型与时间的交互作用对药物浓度有影响。而时间效应（B）结果接受H1，提示时间对血药浓度的影响作用是具有统计学意义的。 方差分析的应用条件 重复测量资料方差分析的应用条件： 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； 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.“球对称”：各时间点组成的协方差阵(covariance matrix)具有球形性(sphericity)特征，即“球对称”。 “球对称”的实际意义 所有两两时间点变量间差值对应的方差相等 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： 球对称的检验 用Mauchly法检验协方差阵是否为球对称（H0：资料满足“球对称”）。 若检验的P值大于显著性水准α (如P0.05），提示协方差阵满足“球对称”假设。 若拒绝H0，常有两种方法可供选择（略）： 1） 采用MANOVA（多变量方差分析方法）。 2） 对重复测量ANOVA检验结果中与重复测量因素有关的F值的自由度进行校正。 例12-2 根据表12-2数据，对处理组与对照组、治疗前后舒张压的差别进行统计分析。 表12-2 高血压患者治疗前后的舒张压（mmHg） 表12-13 处理组与对照组比较的方差分析表 表 12-12 测量前后比较与交互作用的方差分析表 注意：处理虽无主效应，但因其与时间有交互作用，故亦认为有辅助效应。 4.结论 ①测量前后的舒张压有差别（P＜0.01） ；②测量前后与处理存在交互作用（P＜0.01）,即处理组和对照组治疗前后的舒张压的变化大小不同。 由表12-2计算，两组治疗后的差别110.2－120.6=－10.4mmHg，大于治疗前的差别(126.2－124.8=1.4mmHg)，说明治疗有效。 三、注意事项 1. 要求各组例数相等。各组例数不相等时，本节介绍的重复测量数据单变量方差分析计算方法不适用，但用SPSS或SAS统计软件计算无此限制。 2.“球对称”检验。单变量方差分析的“球对称” 检验、用“球对称”系数对F值的自由度进行精确校正，需借助SPSS或SAS统计软件。 3. 无平行对照的单组重复测量数据分析，其结论只能推断不同时间点的效应有无差异，而不能推断处理因素效应有无差异。 第三节 重复测量数据统计分析常见的误用情况 1．重复进行各时间点的 t 检验。 如对表4的统计结果，如果每个时相做2次t检验比较两种不同剂型的差别，5个时相要做10次t检验，必然增大假阳性（I类）错误。 2. 忽略个体曲线变化特征。重复测量数据的个体差异是每个观察对象的m次测量结果(即横向差异)，不能用纵向均数比较差别。 小 结 能够描述重复测量数据的主要特征。 掌握重复测量设计、随机区组设计两者间的区别和联系。 理解并掌握重复测量方差分析的基本思想、步骤及适用条件。 能够运用软件对实际资料进行重复测量方差分析。 * * 重复测量设计的方差分析 ANOVA of Repeated Measurement Data 第十四章 Content Data characteristic ANOVA of Repeated Measurement Data Familiar