重复测量实例数据分析empowerstats.pdfVIP

1 2 3 4 首先用随机效应模型分析 本例没有分组，第一列不是分组因素。 本例只有4个时间点（浓度点），设置哑变量最多是3个，即只有3个参数。如果 用 Y=X + X2 建方程就有2个参数，比哑变量只少一个，而且有X平方项在方程 中增加了回归系数的解释难度，没有必要。如果用 Y=X + X2+ X3 建方程有3个 参数更没有必要。但如果时间点（浓度点）比较多，可以考虑。 5 6 模型2与模型1相比，似然比检验p=0.3462，可以用模型2 。 7 如果不用随机效应模型，用重复测量的方差分析与两两比较，看结果如何。 调用易侕的计量资料的分析与比较工具。 8 方差分析显示组（浓度点）间差异显著。 组间比较得出的均数差与随机效应模型均相同。 但第2组与第1组比较的p=0.1231，不显著。而随机效应模型p=0.0285。重复测 量的方差分析后的两两比较没有随机效应模型检验效率高。 9 本例如果用非参数的方差分析，结果均有显著性。 易侕给出不同的调整P值的方法的结果。 10 如果不用重复测量的方差分析，而用一般的方差分析与两两比较呢： 组间比较得出的均数差与随机效应模型均相同。 但第2组与第1组比较的p=0.5661，第3组与第1组比较的p=0.1349，均不显著，表 明检验效率更低。 11 当理解了回归模型的哑变量设置与各系数的意义，随机效应模型就不难理解了。 这里唯一的区别就是β变成了随机的β ，就是每个人X=0时的值。这个值各人不 0 i 同，是随机的。 当拟合每个人X=100时的值的时候，就会把其X=100 的值与X=0时的值相减，同一 人的两个值的差消除了个体差异，其均数就是β 。同理，每个人X=200 的值与 1 X=0时的值相减，这个差值的均数就是β; 每个人X=400 的值与X=0时的值相减， 2 这个差值的均数就是β 。 3 模型的自由度怎么理解：以每个人X=100 的值与X=0时的值相减得出的差值为例， 有20个这样的差值，模型中放入1个参数β ，如果固定β ，那么20值里就只有19 1 1 个可以自由更换了。因此不难理解模型的自由度为57 。 如果不用随机效应模型，β换成β β