北京大学医学部医学统计学进阶1第2讲 重复测量资料的方差分析.ppt

重复测量资料的方差分析 王海俊 北京大学公共卫生学院 成组设计（单因素）方差分析 配伍设计（双因素）方差分析 配伍设计（双因素）方差分析 本资料用双因素方差分析存在的问题：同一个体在不同时间点的测量值具有相关性。 (血糖浓度2.sav) 重复测量资料 重复测量(repeated measure)是指对同一研究对象的同一观察指标在不同时间（或地点、实验条件等）进行的多次测量。 同一个体在不同时间的测量常常具有相关性，不满足一元方差分析对独立性的要求，需要对结果进行校正。 如果重复测量数据之间实际上不存在相关性，则一元和多元方差分析的结果是一致的，这时称数据符合Huynh-Feldt条件。 第一节 重复测量资料方差分析  对协方差阵的要求 重复测量资料方差分析的条件： 1. 正态性 处理因素的各处理水平的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； 3. 各时间点组成的协方差阵(covariance matrix)具有球形性(sphericity)特征（符合Huynh-Feldt条件）。 。 Box(1954)指出，若球形性质得不到满足，则方差分析的F值是有偏的，这会造成过多的拒绝本来是真的无效假设（即增加了I型错误）。 协方差矩阵的球形性 协方差阵符合球形性质是指该矩阵主对角元素相等、非主对角元素（协方差）为零。协方差相等也表示相关系数相等，即不同时间点不存在相关。 对于重复测量资料来说，上述条件可适当放宽，符合Huynh-Feldt条件即可,即ss2jj+ss2kk-2s2jk=c,其中c为常数。称为协方差矩阵具备H型结构 球形对称的检验 如果球形条件不满足 第二节 单因素重复测量资料的 方差分析 分析步骤（例2资料）： 检验假设：令μj为第j时间点反应变量的总体均数， H0： μ1= μ2=…=μp H0： μj≠ μk，至少有一个不等式成立 α=0.05 根据Greenhouse-Geisser系数0.647调整自由度： 分子自由度：0.647×3≈2 分母自由度：0.647×21≈14 查F界值表得调整后的F界值为：F0.05（2,14)=3.74（大于调整前的F界值） 本例F=51.18F界值，故P0.05，不同时间点的血糖浓度有区别 SPSS输出结果：(血糖浓度2.sav) 第三节 两因素重复测量资料的 方差分析 例3 一项药物代谢动力学研究，目的是对比某种药物的不同剂型在体内的代谢速度。剂型分胶囊型和片剂型。将16名受试对象随机分为两组，每组8名。一组给予胶囊，另一组给予片剂，分别在服药后1、2、4、6及8小时测定血中的药物浓度。测定结果见表6。 (药物浓度.sav) 表6 某药两种不同剂型在血中的浓度（μg/ml） 组间因素是药物剂型， i（i＝1，2，…，g）为组间因素的分组号； 组内因素是测定时间。j（j＝1，2，…，p）为测定时间点的序号，k（k＝1，2，…，ni）为组间因素第i水平的受试对象号，受试对象总数为n1＋n2＋…＋ng。当各ni相等时，则用 n代替ni。测量值总个数N＝g×n×p．本例g＝2；各组受试对象数n＝8，p＝5，受试对象总数为2×8＝16例，测量值总个数N＝80。 方差分析模型 表7. 各种离均差平方和、自由度及均方的计算公式 表8 例3的一个组间因素和一个组内因素的方差分析表 SPSS球形检验结果： SPSS方差分析结果： 组内检验结果：包括时间（time）、时间和组间交互项、误差项。提供了未调整自由度和3种方法调整自由度后的结果。 SPSS方差分析结果： 组间检验结果：包括组间（剂型）和受试者间的结果。这里Error项即受试者间。 SPSS多元方差分析结果（了解）： 前面提到，如资料不满足球形性要求，可用多元方差分析。SPSS提供四种多元检验结果，一般来说，如果各方法间结果不同，推荐使用Pillai’s Trace的结果。 第四节 趋势分析(trend analysis) 对于单因素资料来说，多项式曲线作趋势分析是检验观察指标是否存在某种曲线变化趋势，并可给出模型参数； 对于多因素资料来说，多项式曲线作趋势分析主要是比较两个或多个组（如治疗组与对照组或不同的治疗组）之间的曲线变化趋势是否一致。方法是将趋势比较转换为两个/多个组参数之间的比较。如果任何一对参数之间的差别具有统计学意义，就可认为这两条曲线的趋势不一致。 表 9