重复测量与设计和交叉设计资料 .ppt

17 重复测量设计和交叉设计资料的数据分析 17.1 重复测量资料的数据特征 一、前后测量设计 最为常见，是重复测量设计的特例，亦称单组前后测量设计，即g=1, m=2, 如表12-1。 2. 配对 t 检验要求同一对子的两个实验单位的观察结果分别与差值相互独立，差值服从正态分布。 前后测量设计前后两次观察结果通常与差值不独立，大多数情况第一次观察结果与差值存在负相关的关系，如表12-1中，治疗前舒张压与差值的相关系数为-0.602。 二、设立对照的前后测量设计 三、重复测量设计 当前后测量设计的重复测量次数m≥3时，称重复测量设计或重复测量数据。 重复测量资料的反应变量可以为连续型、离散型或二分类，其中离散型与二分类反应变量资料的分析需要较复杂的统计方法，如广义估计方程（generalized estimating equations, GEEs）等，有兴趣者可参考其它文献。实践中以连续型较常见，本章针对连续型重复测量资料给出若干常用的统计分析方法。 在实际研究中，重复测量的时点选择是根据不同的干预措施的背景、受试对象的特点和研究的问题等多个因素确定的。 一般而言，在同样的样本量情况下，采用重复测量的研究设计可以获得更详细的信息，并且可以分析受试对象在观察期间的动态过程，因此在评价指标是无创伤的情况下，应尽可能地采用重复测量设计收集资料。 与随机区组设计的区别： 1．重复测量设计中“处理”是在区组（受试者）间随机分配，区组内的各时间点是固定的，不能随机分配，如表12-5，A、B两种处理随机分配给各个患者后，每个患者测量的时间相同。 随机区组设计则要求每个区组内实验单位彼此独立，处理只能在区组内随机分配，每个实验单位接受的处理是不相同的，如表4-9。 重复测量数据若满足“球对称”假设，可用随机区组方差分析； 若不满足“球对称”假设，亦可用随机区组方差分析，但需校正时间效应F界值的自由度。 当重复测量数据不满足“球对称”假设时，采用随机区组设计方差分析，增大了I类错误（无差别判断为有差别）的概率。 17.1.2　重复测量资料的方差分析 统计分析时，要考虑处理效应、时间效应以及它们的交互效应。由处理因素所致的总体均数差异称为处理效应。由于同一对象的多次观察资料是不独立的，不能用析因设计的方差分析方法进行统计分析。 17.1.2.1 重复测量的方差分析方法 一般而言，当存在交互作用时，一般不再关心两种处理的主效应是否相等，而是分别检验每个时点的两种处理的总体均数是否相等和分别检验每种处理的两个时点的总体均数是否相等（称为简单效应检验）。 从欲检验的假设看，重复测量资料的分析关心交互效应与主效应。但由于同一个体不同时间点重复测量的资料之间是非独立的，分析方法与析因分析有所不同。 如果组间的方差满足齐性并且个体各个时间点的观察值之差的方差也满足齐性（称为球形对称性），则可以从析因设计方差分析的误差中分离出处理间变异和个体内变异(称为重复测量误差，以下简称误差)，然后进行方差分析. 两因素重复测量资料的总变异包括两部分 横向分组的受试对象间(between subjects)的变异. -----处理因素K(在此为剂型)的变异和个体间误差的变异两部分； 纵向分组的受试对象内(within subjects)的变异。 ------纵向分组受试对象内的变异则可分为时间因素I的变异、处理K和时间I的交互作用(KI)以及个体内误差的变异三部分。 例17.1借助SPSS软件对本例两组各个时点的ALT观察资料进行球形检验(Mauchlys Test of Sphericity)，?＝0.1，得到球形检验的P＝0.639，我们没有足够的证据否认各个时间点的观察值之差具有方差齐性，而且不同处理组具有相同的变异规律，故可以用重复测量资料的方差分析进行统计分析，?＝0.05。 从表17-6中的统计结果可知，检验处理效应与时间效应之间的交互作用的P＝0.6540.05，处理间时间趋势的差异无统计学意义；处理主效应的P＝0.56630.05，处理间差异也无统计学意义。故没有足够的证据可以推断两种治疗方案的疗效有差异。时间主效应的P0.0001，可以认为各个时间点的总体均数不全相同。 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12-20的统计结果，每个时相做3次t检验比较A、B、C三种诱导方法的差别，5个时相要做15次t检验，必然增大假阳性错误。 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