重复测量计量的差分析.pptVIP

重复测量资料的方差分析 华中科技大学同济医学院 宇传华 2004年10月 重复测量的定义 重复测量(repeated measure)是指对同一研究对象的某一观察指标在不同场合（occasion，如时间点）进行的多次测量。 例如，为研究某种药物对高血压（哮喘病）病人的治疗效果,需要定时多次测定受试者的血压（FEV1） ，以分析其血压（FEV1）的变动情况。 注：FEV1——最大呼气量 实例举例1 实例举例2 重复测量设计的优缺点 优点： 每一个体作为自身的对照，克服了个体间的变异。分析时可更好地集中于处理效应. 因重复测量设计的每一个体作为自身的对照，所以研究所需的个体相对较少，因此更加经济。 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. 各时间点组成的协方差阵(covariance matrix)具有球形性(sphericity)特征。 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）。 一般ANOVA的协方差矩阵 重复测量资料的协方差矩阵 球形对称的实际意义 球形对称的实际意义举例 球形对称的检验 球形条件不满足怎么办？ 二、自由度调整方法1 二、自由度调整方法2 调整规则 第二节 单因素重复测量资料的方差分析 ANOVA表 平均值之间的多重比较 第三节 两因素重复测定资料的方差分析 对象内（within subjects）变异的分解 第四节 趋势分析(trend analysis) 趋势分析实例 趋势分析注意事项 如果例10-3中的剂型与时间之间存在交互作用，则表示随着时间的改变，不同剂型的血中浓度有所不同。 正交多项式变换的对比方法：将两组资料转变为两条正交多项式曲线，检验这两条曲线的参数是否来自同一总体。 各时间点的平均值不等 两种剂型血中浓度相同 首先检查最高阶次的参数在两对比组之间是否具有统计学意义。 如果组间差异具有统计学意义，则可以认为包括本阶次及其余各阶次之间都具有不同的趋势。否则，应继续对次高阶次的参数作评价。 如果在任何阶次上差异都不具有统计学意义，说明这两条曲线的变化趋势是一致的。 * *  每一根线代表1只兔子 每一根线代表1位病人 缺点： 滞留效应(Carry-over effect) 前面的处理效应有可能滞留到下一次的处理. 潜隐效应(Latent effect) 前面的处理效应有可能激活原本以前不活跃的效应. 学习效应(Learning effect) 由于逐步熟悉实验，研究对象的反应能力有可能逐步得到了提高。 （个体内不独立） 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： 40 25 20 15 A4 25 30 15 10 A3 20 15 20 5 A2 15 10 5 10 A1 A4? A3? A2? A1? 协方差阵 s1-22 = 10 + 20 - 2(5) = 20 s1-32 = 10 + 30 - 2(10) = 20 s1-42 = 10 + 40 - 2(15) = 20 s2-32 = 20 + 30 - 2(15) = 20 s2-42 = 20 + 40 - 2(20) = 20 s3-42 = 30 + 40 - 2(25) = 20 本例差值对应的方差精确相等，说明球形对称。 用Mauchly法检验协方差阵是否为球形 H0：资料符合球形要求， H1：资料不满足球形要求 检验的P值若大于研究者所选择的显著性水准α时，说明协方差阵的球形性质得到满足。 常有两种方法可供选择： 1. 采用MANOVA（多变量方差分析方法）（超出本书范围） 2. 对重复测量ANOVA检验结果中与时间有关的F值的自由度进行调整（调小） 重复测量资料的方差分析总思想： 将总变异分解为： 个体间（between subjects）变异 与