方差spss操作2生说课.pptVIP

重复测量(repeated measure)是指对同一受试对象的同一观察指标在不同时间点上进行多次测量，用于分析该观察指标在不同时间上的变化规律。 应用：在临床试验和流行病学研究中比较常见。 主要特点：同一受试对象在不同时点的观察值之间彼此不独立，往往存在某种程度上的相关性。 变异分解 1、建立检验假设、确定检验水准 对于处理因素K H0：两组...的总体均数相同 H1：两组...的总体均数不同 对于时间因素I H0：不同时间...的总体均数相同 H1：不同时间...的总体均数不全相同 对于交互作用KI H0：处理和时间无交互效应 H1：处理和时间有交互效应 均取α=0.05 软件操作步骤：1、变量设置 2.数据录入 3、方差分析： analyze—general linear model—repeated measures Post-Hoc两两比较 Options对话框 先输出了重复测量的变量名 因变量的描述性统计 球对称检验：p=0.178，不拒绝H0，满足球对称性 Mauchly’s test of sphericity 如果满足球对称，则看下面的一元分析结果（tests of within-subjects effects）中 sphericity assumed所在行的统计量及p值。 如果不满足，则看上面的多元分析结果（multivariate tests）或一元分析结果中的校正值。 在tests of within-subjects effects中，spss提供三种校正方法，分别为greenhouse-geisser、huynh-feldt,lower-bound. 但不服从球形假设时，如果校正的一元分析结果与多元分析结论不一致，应该看多元分析结果 不满足球对称性时，看多元分析结果：四个多元方差分析的统计量：pillai’s Trace 最为稳健，当4个结论不一致时，推荐他为最终结论。 一元分析结果：受试对象内（时间、交互效应）的效应检验 对各次重复测量结果进行线性（linear）、二次方曲线（qudaratic）、三次方（ cubic ）等拟和，本例，时相因素的各组均数成线性趋势，交互效应的各组均数也呈线性趋势。 组间比较 组间两两比较（LSD法） 组间两两比较（SNK法） 课本第四节 重复测量数据的多重比较 重复测量数据的多重比较很复杂，对不同研究有不同的要求。 例12-3多重比较可能包括以下3种： （1）A、B、C三种麻醉诱导方法存在差别，进行组间两两比较，3次（AB、AC、BC） （2）各组5个不同时相收缩压均数变化曲线是否有固定趋势(4次正交多项式变换)，3*4=12次 （3）各组5个时相收缩压均数的两两比较（比较3*10=30次） 一、组间差别多重比较 二、时间趋势比较 在contrasts对话框，选择polynomial（多项式） 三组数据总体的趋势分析：输出了各次重复测量值之间随测量时间的变化趋势，采用了线性、二次方曲线、三次方曲线、四次方曲线进行拟合。4项均有统计学意义 若进行各组的趋势分析，先分割文件：split files：组别 A组五个时相收缩压的时间趋势检验结果 B组五个时相收缩压的时间趋势检验结果 C组五个时相收缩压的时间趋势检验结果 三、时间点多重比较 有些研究关心同一个处理重复测量数据点的两两差别。但重复检验次数太多。 通常采用事前检验，即试验开始前就确定的某些时间点的比较（按专业意义设定） 事后检验往往是方差分析拒绝H0才进行的两两比较，通常所有点都比较，重复检验次数较多 例12-3，按照事前检验策略 A组5个时相两两比较：仅比较诱导后各时相与诱导前T0的比较，只需比较4次，用Bonferoni多重比较方法，设定检验水准 用配对t检验进行比较:依次进行T1-TO,T2-T0，T3-T0，T4-T0 结果：A组t1-t0比较 二、正交设计 利用规格化的正交表，合理安排实验，使各因素、各水平之间的组合均匀搭配。 非处理因素组间分布均衡分散、整齐可比。 正交表(orthogonal table) （1）等水平正交表： 各因素水平数相等的正交表 ①记号 ：Ln( r m ) L——正交表代号 n——正交表横行数（试验次数） r——因素水平数 m——正交表纵列数(最多能安排的因数个数) 例11-4 研究雌螺产卵的最优条件，在20cm2的泥盒里饲养同龄雌螺10只，试验条件有4个因素，每个因素2个水平。试在考虑温度与含氧量对雌螺产卵有交互作用的情况下安排正交试验。 表11-15 雌螺产卵条件因素与水平 选 L8（27）正交表，AB存在交互作用，ABCD只能安排在1、2、4、7列。8次试验的水平