1、利用SAS PROC GLM程序进行重复测量的方差分析
本手册描述了如何利用SAS PROC GLM 程序进行重复测量的方差分析，包括对象间变量（a between-subjects variable）的分析。首先解释了何时该使用改方法；描述了本手册中用到的术语；给出了研究问题；最后，用一个详细的例子阐述了如何使用改程序。
假定你知道如何书写SAS的程序和导入数据文件以及运行SAS命令。此外，我们还假定你熟悉方差分析（ANOVA）的基本方法和假定。
2、何时使用重复测量的方差分析
任何方差分析都一样，重复测量的方差分析也是用来检验平均值的差别的。当在许多不同的条件下测量随机取样的所有成员时，使用重复测量的方差分析。由于样本是依次曝光于各个条件的，所以对因变量的测量是重复的。对此使用标准的ANOVA分析是不合适的，因为它不符合标准方差分析的前提假定：数据之间的独立性。需要注意的是，有些ANOVA设计综合了重复测量因子和非重复测量因子。只要有一个重复测量因子存在，就应该考虑使用重复测量的方差分析。
使用该方法有以下几个原因：
1)、一些研究的假说要求重复测量。比如，经度研究测量几个年龄的样本成员。在这个例子中，年龄应该是重复的因子。
2)、当取样成员之间存在很大的变异时，按标准方法得到的误差变异很大。对每个取样成员的重复测量可以减小改误差变异。
3）、当取样成员不宜获取时，重复测量的设计显得经济实惠，因为每个成员都可以用来曝光于所有的条件。
4）、注意的是重复测量的方差分析不能检验随机效应！
5)、当取样成员根据一些重要的特征配对后，也可使用重复测量方差分析。这里，每个配对的组具有相同的成员，组内每个成员都曝光于某个因子的不同的随机水平。当取样成员配对了，不同条件下的测量可以当作重复测量来看待。
比如，假定你选择了一组低气压对象，测量他们的气压水平，然后将那些具有相似气压水平的进行配对。然后给予每对中的一个成员低压处理，再次测量所有成员的低压水平。对此种情况，重复测量的方差分析是最有效的。当然，这里一个配对应当当作一个单一的取样成员。
应该认清重复测量设计和单纯的多变量设计之间的区别。对二者来说，都是多次测量取样成员，但是，在重复测量设计中，每次实验测量的是同一特征在不同条件下的数值。比如，你可以用重复测量方差分析来比较橘子树在不同年份所结的橘子的数目。测量的指标是橘子的数目，，这里的条件就是不同的年份。相反，对于多变量的设计，每次实验测量的是不同的特征。你不能够用重复测量的方差分析来比较橘子的数目、重量和价格。三个指标是数目、重量和价格，这些并不是代表不同的条件，只是不同的指标而已。
3、术语解释
对象：取样成员。
对象内因子：因变量多次测量，覆盖了所有的取样成员和一系列条件时，这一系列的条件就是对象内因子。
对象间因子：因变量多次测量，但是是基于所有成员的不同的独立的组，即成员已经分组了，这里每个组曝光于一个不同的条件，这里的条件就是对象间因子。当分析里包含了双方时（对象内因子和对象间因子），就称为有对象间因子的重复测量方差分析。
4、实例研究
下面主要是举个例子来详细的说明如何使用重复测量的方差分析。假如你是一个健康问题专家，你期望弄清楚饮食习惯和锻炼对于脉搏速率的影响。为了达到这个目的，你收集了一组人的资料，并且根据他们的饮食偏好进行分组：肉食者和素食者。然后，在每个组内，又分成三个小组，每个小组随机配以下面三种锻炼中的一种：爬楼梯、短网拍墙球和重力训练。现在，你就设计了有2个对象间因子的实验：饮食偏好和锻炼类型。
5、确实数据的处理和非平衡设计
1)、对象内因子的主效应
运动的强度影响脉搏的速率（平均脉搏率在不同的实验水平上是否改变）。这就是对象内因子运动强度的主效应检验。
2)、对象间因子的主效应
饮食结构是否影响脉搏率（素食者与肉食者的平均脉搏率是否相等）？这就是对象间因子饮食偏好的主效应检验。
锻炼类型是否影响脉搏速率（爬楼梯的、打网球的与重力训练的平均脉搏率是否有差别）？这是对象间因子锻炼类型的主效应检验。
3)、对象间因子的交互效应
锻炼类型对脉搏速率的影响是否依赖于饮食结构。这是对象间因子锻炼类型与对象间因子饮食结构间的交互效应。也可以表示成饮食结构对脉搏速率的影响是否依赖于锻炼类型，结果是一样的。
4)、对象内与对象间因子的交互作用
饮食（对象间因子）对脉搏速率的影响是否依赖于运动的强度（对象内因子）？锻炼类型（对象间因子）对脉搏速率的影响是否依赖于运动的强度（对象内因子）？
饮食（对象间因子）对脉搏速率的影响是否依赖于运动的强度（对象内因子）和锻炼类型？
6、零假说，Alpha，和P值
记住的是，检验的无效假说都是假定所比较的平均值之间没有差别。较大的F 值对应着一个较小的P值。
1)、输出类型
当对象内影子超过两个水平时，PROC GLM 输出两个不同的结果：一个是使用多变量分析的结果；另一个是用单变量方法分析的结果。通常，这两种方法产生相似的结论。单变量分析来检验对象内因子的效应时要求球形假定。当至少有一个对象间因子有2个以上水平时，必须满足球形检验的条件。当你的对象内因子不满足球形假定，你要么用多变量分析方法，要么就校正单变量分析的结果（校正系数GG或HF）。
2)、转换变量
球形假定是通过转换因变量来实现的。代表每次实验的原始变量根据正交比较进行转换。转换的形式通常不影响检验的结果，只要转换矩阵是正交的。
3)、Mauchly球形检验和Epsilon校正系数
球形检验的结果只是决定你将要用哪种输出结果，单变量的还是多变量的。这里特别要注意：球形检验的结果不是决定你是否使用重复测量的方差分析（这是在实验设计时的事情），而是决定在重复测量方差分析之后你选择哪种输出结果。如果选择单变量的，要么它满足球形检验，要么你就必须对结果进行校正。通常，如果不满足，最好还是选择多变量的结果！
上面已经提到，另种方法就是校正你的单变量检验的自由度。通常有两种不同的校正因子，Greenhouse-Geisser Epsilon (G-G) 和Huynh-Feldt Epsilon (H-F)。一般使用HF校正系数，因为GG校正系数被证实太保守了从而不能够观察到组间的差别。默认状况下，系统会自动对每个单变量F检验（涉及到对象内因子的效应）输出经GG和HF校正后的P值的。
正如上面提到的，即便球形假定不成立，多变量方法检验仍然是有效的。这就是说，当球形假定成立时，单、多变量的结果都可以用，差别不大；当球形假定成立时，要么用多变量的结果，要么就用校正后的单变量的结果！
在重复测量分析中，通常有四种多变量分析的方法，分别是：Wilks’Lambda, Pillai’s Trace, Hotelling-Lawley Trace 和Roy’s Greatest Root。通常用第一种方法（Wilk）。
对于对象内因子的检验，上面说了可以有很多种检验的方法，单变量的多变量的，以及校正后单变量的。而对于对象间因子的检验，只有一种方法，也就是一般的线性模型。原文参考：https://www.doczj.com/doc/8914749213.html,/STAT/sas/library/repeated_ut.htm。
https://www.doczj.com/doc/8914749213.html,/stat/Spss/code/rep_anova_sig.htm
https://www.doczj.com/doc/8914749213.html,/SPSS%20workbook/one-way_repeated_measures_anova.htm
https://www.doczj.com/doc/8914749213.html,/home/Zoltan_Dienes/SPSS%202-way%20rm.html
https://www.doczj.com/doc/8914749213.html,/other/dabook/ch12/c12-2.htm （推荐，使用SPSS进行数据分析！演示加结果解释～）
请教各位：
我如何用SPSS将这样一组数据转换成进行重复测量方差分析所需要的表格形式？根据其中文版教程，设置变量应为时间和浓度两个变量，但如何将各时间点和各浓度点的区分在表格中体现？是应将时间和浓度皆设为数值型变量而非字符型，好像哪个环节没设好。我的分析目的是将不同时间点归为组内，不同浓度为组间，考察组内和组间显著性差异。多谢指点！
3h 6h 12h 24h
C0 0.7690 0.6548 0.8829 0.8480
C0 0.7730 0.6956 0.8689 0.8462
C0 0.8240 0.7088 0.9406 0.8774
C1 1.2498 0.8451 0.9808 1.0069
C1 1.3229 0.7756 0.9622 0.9869
C1 1.3665 0.8546 0.8963 0.9183
C2 0.7986 0.7022 0.9591 0.8950
C2 0.8936 0.7946 0.9478 0.8929
C2 0.9013 0.7436 0.9272 0.9660
C4 0.8679 0.8109 0.9665 0.9892
C4 0.8801 0.8359 0.9883 0.9416
C4 0.9036 0.8350 0.9690 0.9453
含有一个重复测量因素，一个组间因素的重复测量方差分析
数据结构如下：
group time1 time2 time3 time4 ........................................ ........................................ ........................................ ........................................
另外楼主需注意你的重复测量是非等距的。
§8.5重复测量的方差分析
§8.5重复测量的方差分析
重复测量的方差分析指的是一个应变量被重复测量好几次，从而同一个个体的几次观察结果间存在相关，这样就不满足普通分析的要求，需要用重复测量的方差分析模型来解决。
8.5.1Repeated measures对话框界面说明
实际上，如果对普通方差分析模型作出正确的设置，两者的分析结果是完全相同的，即都正确，那么，重复测量的方差分析过程有何优势呢？我们通过下面的例子来看看：
例8.3 在数据集anxity2.sav中判断：anxiety和tension对实验结果（即trial1~trial4）有无影响；四次试验间有无差异；试验次数和两个变量有无交互作用。
anxity2.sav和anxity.sav实际上是同一个数据，但根据不同的分析目的采用了不同的数据排列方式。如果采用anxity.sav进行分析，我们可以分析四次试验间有无差异的问题，但对另两个问题就无能为力了，因为用普通的方差分析模型，anxity和tension的影响被合并到了subject中，根本就无法分解出来进行分析，这时，我们就只能求助于重复测量的方差分析模型。
在菜单中选择Analyze==>General Lineal model==>Repeated measures，系统首先会弹出一个重复测量因子定义对话框如下：
因为是重复测量的模型，应变量被重复测量了几次，分别存放在几个变量中，所以我们这里要自行定义应变量。默认的名称为factor1，我们将其改为trail，下面的因素等级数填入4(因一共测量了四次)。单击Add钮，则该变量被加入，我们就完成了模型设置的第一步：应变量名称和测量次数定义。单击define，我们开始进行下一个步骤：具体重复测量变量定义及模型设置，对话框如下：
这个对话框和我们以前看到的方差分析对话框不太一样：它没有应变量框，而是改为了组内效应框，实际上是一回事，上面我们定义了trial有四次测量，此处就给出了四个空让你填入相应代表四次测量的变量，选中trial1~trial4，将其选入；然后要选择自变量了（这里又将其称为了between subjects factor），将剩下的三个都选入即可。最后，根据题意，不需要检验anxity与tension的交互作用对试验次数有无交互作用，所以要在model中作相应设置，把那个东东拉出来。
详细的操作步骤如下：
1.Analyze==>General Lineal model==>Repeated measures
2.Within-subject factor name框：键选入trial
3.number of levels框：键入4
4.单击ADD钮
5.单击DEFINE钮
6.Within-subject variables (trial)框：选入trial1~trial4
7.between subjects factor框：选入subject、anxity和tension
8.单击MODEL钮
9.Custom单选钮：选中
10.Within-subject Model框：选入trial
11.between subjects Model框：选入anxity和tension
12.单击CONTINUE
13.单击OK
请注意，这里没有选入变量subject，因为它实际上在这里成为了一个记录ID，要是将它选入，则什么都检验不了了。
8.5.2结果解释
本题的分析结果如下：
General Linear Model
上表给出了所定义的4次测量的变量名，在模型中它们都代表一个应变量trial，只是测量的次数不同而已。
这是引入模型的其它自变量的情况列表。
上表是针对所检验的结果变量trial，以及他和另两个引入模型的自变量间的交互作用是否存在统计学意义，采用的是四种多元检验方法。一般他们的结果都是相同的，如果不同，我一般以Hotelling's Trace方法的结果为准。可见在所用的模型中，trial的四次测量间的确是存在着统计学差异的，但它和另两个变量间的交互作用无统计学意义。
上表是球形检验，因为重复测量的方差分析模型要求所检验的应变量服从一种叫做球形分布的东东。上面可能有些内容不好懂，不过没关系，只要看到近似卡方为9.383，自由度为5，P值为0.097就可以了。因此trial是勉强服从球形分布的，可以进行重复测量的方差分析。
上面又用方差分析的方法对组内因素进行了检验，注意第一种为球形分布假设成立时的结果，就是我们所要看的。如果该假设不成立，则根据不同的情况可能看下面三种检验结果之一，或放弃该检验方法。
上表是非常重要的一部分：各次重复测量间变化趋势的模型分析，这里要求检验没有统计学意义，否则说明变化趋势不服从该曲线。以trial为例，对Linear的检验P值小于千分之一，Quadratic的P值略大于0.05。只有Cubic的P值在0.5附近，因此最佳的拟合曲线应为Cubic（三次方曲线）；但由于一共才四次测量，三次方曲线显然太奢侈了，因此如果没有任何其它提示或专业上的知识，最终的拟和曲线应为Quadratic（二次方曲线）。
上表为最后一张，为组间效应的方差分析结果，可见anxiety和tension均无统计学意义。
最后，为了再确认一下几次测量间的变化趋势，我们另外用plots子菜单作出模型估计的四次测量均数值如下图：
可见四次测量均数实际上还是近似于直线趋势的，因此前面的模型应为线性最佳。
（此文档部分内容来源于网络，如有侵权请告知删除，文档可自行编辑修改内容，
供参考，感谢您的配合和支持）
1、概述 重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。在给予一种或多种处理后，分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值，或者是通过重复测量同一个个体的不同部位（或组织）获得的指标的观察值。重复测量数据在科学研究中十分常见。 分析前要对重复测量数据之间是否存在相关性进行球形检验。如果该检验结果为P﹥0.05，则说明重复测量数据之间不存在相关性，测量数据符合Huynh-Feldt条件，可以用单因素方差分析的方法来处理；如果检验结果P﹤0.05，则说明重复测量数据之间是存在相关性的，所以不能用单因素方差分析的方法处理数据。在科研实际中的重复测量设计资料后者较多，应该使用重复测量设计的方差分析模型。 球形条件不满足时常有两种方法可供选择：（1）采用MANOVA（多变量方差分析方法）；（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。 2、问题 新生儿胎粪吸入综合征（MAS）是由于胎儿在子宫内或着生产时吸入了混有胎粪的羊水，从而导致呼吸道和肺泡发生机械性阻塞，并伴有肺泡表面活性物质失活，而且肺组织也会发生化学性炎症，胎儿出生后出现的以呼吸窘迫为主，同时伴有其他脏器受损现象的一组综合征。血管内皮生长因子(vascular endothelial growth factor，VEGF)是一种有丝分裂原，它特异作用于血管内皮细胞时，能够调节血管内皮细胞的增殖和迁移，从而使血管通透性增加。而本实验旨在通过观察分析给予外源性肺表面活性物质治疗前后胎粪吸入综合征患儿血清中VEGF的含量变化，评价药物治疗的效果。 将收治的诊断胎粪吸入综合症的新生儿共42名。将患儿随机分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。PS组和对照组两组所有患儿均给予除用药外的其他相应的对症治疗。PS组患儿给予牛肺表面活性剂PS 70mg/kg治疗。采集PS 组及对照组患儿0小时，治疗后24小时和72小时静脉血2ml，离心并提取上清液后保存备用并记录血清中VEGF的含量变化情况。 结果如下： 3、统计分析
重复测量资料方差分析 重复测量（repeated measure ）是指对同一观察对象的同一观察指标在不同时间点上进行的多次测量，用于分析该观察指标在不同时间上的变化特点。这类测量资料在临床和流行病学研究中比较常见，例如，为研究某种药物对高血压病人的治疗效果，需要定时多次测量受试者的血压，以分析其血压的变动情况。 1、 重复测量资料方差分析中自由度调整方法 1.调整系数ε的计算 有两个调整系数，第一个是Greenhouse-Geisser 调整系数)?(?εε G G -，计算公式为 ∑∑∑+---=k l k k kl kl s a s a s a s s a ] )())()(2()()[1()(?2 2 2 2 22 22 22 2ε 式中中的2 kl s 是协方差矩阵中的第k 行第l 列元素， 2 s ＝22 /)(a s k l kl ∑∑是所 有元素的总平均值，222 /)( a s s l ll kk ∑=是主对角线元素的平均值，a s s l kl k /)(2 2∑=是第k 行的平均值。ε ?的取值在1.0与1/(a -1)之间。 第2个系数是Huynh-Feldt 调整系数)(εεF H -。研究表明，当ε真值在0.7 以上时，用ε ?进行自由度调整后的统计学结论偏于保守，故Huynh 和Feldt 提出用平均调整值ε值进行调整。ε值的计算公式为 ] ?)1()1)[(1(2?)1(εε ε------= a g n a a ng 式中中的g 是对受试对象的某种特征（如年龄或性别）进行分组的组数，n 是每组的观察例数。当ε>1.0时，取ε=1.0。 2. 调整规则 只对具有重复测定性质的时间效应的F 值的自由度，和处理时间交互作用的F 值的自由度进行调整。由于F 值的有两个自由度v 1和v 2，调整的 分子自由度ενν?=1' 1 分母自由度ενν?=2' 2。具体计算时可用或ε代替。用 调整所得的'1ν及' 2ν的F 值查临界值表，得),('2 '1 νναF 。由于ε≤1.0，所以调整后的
重复测量设计资料的方差分析SPSS操作 重复测量方差分析的基本概述：被试对象在接受不同处理后，对同一因变量（测试指标）在不同时点上进行多次测量所得的资料，称为重复测量资料。这里的重复并不是单一的反复，而是在多个时点上的测量。 这种资料的特点是其定量观测指标的数值会随着时间的变化而发生动态变化，并且各时点上的数值是不满足相互独立的假设的。因此不能用方差分析的方法直接进行处理。 如果在期初、期中、期末分别测量学生的电脑能力，则这是单变量重复测量问题。如果分别在三个时期测量学生的电脑和数学成绩，则是多变量重复测量的问题。 重复测量资料的方差分析需满足的前提条件： 1、一般方差分析的正态性和方差齐性检验。 2、协方差矩阵的球形对称性或者复合对称性；需要进行球形检验，检验对 称性。原假设：协方差满足球形对称。当拒绝球形假设时，结果中还有 其他表可以检验，见例题中的分析。 被试对象处理测量时间1 2 3 4…………m 1 1 …………………………………………. 2 1 ………………………………………….. …………………………………………………………………………………………………………. N1 1 ………………………………………….. N1+1 2 …………………………………………. ………………………………………………………………………………………………………… N2 2 …………………………………………… ………. 例：为研究新减肥药和现有减肥药的效果是否不同，以及肥胖者在服药后不同时间体重的变化情况，将40名体重指标BMIF27的肥胖者随机分为两组，一组用新药，另一组用现有减肥药；坚持服药6个月，期间禁止使用任何影响体重的药物，而且被试对象行为、饮食、运动与服药前平衡期保持一致；分别测得0
SPSS学习笔记之——重复测量的多因素方差分析[转] 1、概述 重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。在给予一种或多种处理后，分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值，或者是通过重复测量同一个个体的不同部位（或组织）获得的指标的观察值。重复测量数据在科学研究中十分常见。 分析前要对重复测量数据之间是否存在相关性进行球形检验。如果该检验结果为P﹥0.05，则说明重复测量数据之间不存在相关性，测量数据符合 Huynh-Feldt条件，可以用单因素方差分析的方法来处理；如果检验结果P﹤0.05，则说明重复测量数据之间是存在相关性的，所以不能用单因素方差分析的方法处理数据。在科研实际中的重复测量设计资料后者较多，应该使用重复测量设计的方差分析模型。 球形条件不满足时常有两种方法可供选择：（1）采用MANOVA（多变量方差分析方法）；（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。 2、问题 新生儿胎粪吸入综合征（MAS）是由于胎儿在子宫内或着生产时吸入了混有胎粪的羊水，从而导致呼吸道和肺泡发生机械性阻塞，并伴有肺泡表面活性物质失活，而且肺组织也会发生化学性炎症，胎儿出生后出现的以呼吸窘迫为主，同时伴有其他脏器受损现象的一组综合征[11]。血管内皮生长因子(vascular endothelial growth factor，VEGF)是一种有丝分裂原，它特异作用于血管内皮细胞时，能够调节血管内皮细胞的增殖和迁移，从而使血管通透性增加。而本实验旨在通过观察分析给予外源性肺表面活性物质治疗前后胎粪吸入综合征患儿血清中VEGF的含量变化，评价药物治疗的效果。 将收治的诊断胎粪吸入综合症的新生儿共42名。将患儿随机分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。PS组和对照组两组所有患儿均给予除用药外的其他相应的对症治疗。PS组患儿给予牛肺表面活性剂PS 70mg/kg治疗。采集PS组及对照组患儿0小时，治疗后24小时和72小时静脉血2ml，离心并提取上清液后保存备用并记录血清中VEGF的含量变化情况。 结果如下：
企业销售策略改进计划中SPSS重复测量方 差分析的应用 1 相关背景 在研究中，我们经常需要对同一个观察对象进行多次观测，这样得到的数据称为重复测量资料；而对于重复测量资料进行方差分析就需要采用重复测量方差分析。重复测量方差分析与前述的方差分析最大的差别在于，它可以考察测量指标是否会随着测量次数的增加而变化，以及是否会受时间的影响。 2 问题概述 某食品公司计划改进一种食品的销售策略，提出了两种方案，并随机选择了3个销售区市场，每个市场有4个网点，并将其随机分配至两个组，施行不同的销售策略，为期2个月。表2.1为所调查网点的实施策略前1个月和实施策略的2个月的销售量（单位：千克）。通过分析说明哪种方案更加有效。 表2.1 各网点销售量统计表 市场标号网点方案销售量1 销售量2 销售量3 1 1 1 70 83 78 1 2 1 48 54 58 1 3 2 34 60 68 1 4 2 56 65 79 2 5 1 36 45 68 ……………… 3 11 2 83 87 96 3 12 2 57 78 89 3 数据特点 在用SPSS进行分析之前，我们把数据录入到SPSS中。容易发现本数据中有6个变量，分别为市场编号、网点、方案和3个销售量，且把所有变量定义为数值型。录入相关数据，录入完成后，数据如图3.1所示。
图3.1 各网点销售统计量统计数据 4 分析过程 先将以上数据做一下保存，然后展开分析，步骤如下： 1）进入SPSS 22，打开相关数据文件，选择“分析”—“一般线性模型”—“重复测量”命令，弹出如图4.1所示的对话框。 图4.1 “重复测量定义因子”对话框
重复测量的方差分析 重复测量方差分析的基本概述：被试对象在接受不同处理后，对同一因变量（测试指标）在不同时点上进行多次测量所得的资料，称为重复测量资料。这里的重复并不是单一的反复，而是在多个时点上的测量。 这种资料的特点是其定量观测指标的数值会随着时间的变化而发生动态变化，并且各时点上的数值是不满足相互独立的假设的。因此不能用方差分析的方法直接进行处理。 如果在期初、期中、期末分别测量学生的电脑能力，则这是单变量重复测量问题。如果分别在三个时期测量学生的电脑和数学成绩，则是多变量重复测量的问题。 重复测量资料的方差分析需满足的前提条件： 1、一般方差分析的正态性和方差齐性检验。 2、协方差矩阵的球形对称性或者复合对称性；需要进行球形检验，检验对 称性。原假设：协方差满足球形对称。当拒绝球形假设时，结果中还有其他表可以检验，见例题中的分析。 被试对象处理测量时间1 2 3 4…………m 1 1 …………………………………………. 2 1 ………………………………………….. …………………………………………………………………………………………………………. N1 1 ………………………………………….. N1+1 2 …………………………………………. ………………………………………………………………………………………………………… N2 2 …………………………………………… ………. 例：为研究新减肥药和现有减肥药的效果是否不同，以及肥胖者在服药后不同时间体重的变化情况，将40名体重指标BMIF27的肥胖者随机分为两组，一组用新药，另一组用现有减肥药；坚持服药6个月，期间禁止使用任何影响体重的药物，而且被试对象行为、饮食、运动与服药前平衡期保持一致；分别测得0周、8周、16周、24周的体重资料；试对其进行方差分析。
一、不同性别各阶段体重变化 如图可知，不同性别各阶段的体重平均值均呈逐阶段下降趋势。 通过重复测量方差分析，可知被试内自变量[不同阶段]的球形度检验不显著，p>0.05。根据一元分析，各阶段体重变化显著，F（4,56）=57.534，P<0.05，df=4；被试间自变量[性别]存在显著的主效应，df=1，F=49.948,Sig=.000，P<0.01 各[阶段]与[性别]的交互效应不显著df=4，F=0.193，p>0.05。根据事后检验，仅4,5阶段体重的差异不显著，P>0.05，阶段2体重显著低于阶段1，P<0.05，其他阶段之间体重差异显著，p<0.01。 二、销售地点与销售时间对销售量的影响
根据重复测量方差分析，被试内自变量[销售时间]的球形度检验显著df=2，p<0.01，根据多元分析，可知[销售时间]和[地区]的交互效应显著，F=5.590，p<0.05。被试间自变量[地区]对销售时间的影响显著，df=2，F=58.149，Sig=。000，P<0.01。 由于交互作用显著，现作简单效应分析： ①同一销售时间，不同地区 表1：同一销售时间不同地区的销售量单因素方差分析 齐性检验方差分析 df1 Sig df MS F Sig 销售时间1 2 .790 2 300677.167 47.756 .000** 销售时间2 2 .205 2 571034.389 49,741 .000** 销售时间3 2 .722 2 433628.667 63.121 .000** **p<0.01 由表可得，在同一销售时间（1或2或3）中，不同地区的销售量均差异显著，p<0.01，即自变量[地区]对[销售量]存在显著的主效应。在事后检验中，不同地区的销售量均差异显著，p<0。01，呈现地区1销售量>地区2销售量>地区3销售量。 ②同一地区，不同销售时间 表2：同一地区内不同销售时间的销售量重复测量方差分析 球形度检验一元分析/多元分析 df Sig df MS F Sig 地区1 2 .731 2 173537.167 400.995 .000** error1 10 432.767 地区2 2 .332 2 87855.722 224.319 .000** error2 10 391.656 地区3 2 .064 2 54192.056 17.625 .010* error3 10 3074.789 *p<0.05；**p<0.01 由此可知，同一地区不同销售时间下，销售量存在显著差异，即自变量[销售时间]对[销售量]存在显著主效应。同时，根据事后检验，在三个地区中，销售时间2的销售量均显著高于销售时间1和销售时间3，p<0.01；在地区1中，销售时间1的销售量显著高于销售时间3，p<0.05，在地区2和3中，销售时间1与3的销售量则无显著差异，p>0.05。
1、利用SAS PROC GLM程序进行重复测量的方差分析 本手册描述了如何利用SAS PROC GLM 程序进行重复测量的方差分析，包括对象间变量（a between-subjects variable）的分析。首先解释了何时该使用改方法；描述了本手册中用到的术语；给出了研究问题；最后，用一个详细的例子阐述了如何使用改程序。 假定你知道如何书写SAS的程序和导入数据文件以及运行SAS命令。此外，我们还假定你熟悉方差分析（ANOVA）的基本方法和假定。 2、何时使用重复测量的方差分析 任何方差分析都一样，重复测量的方差分析也是用来检验平均值的差别的。当在许多不同的条件下测量随机取样的所有成员时，使用重复测量的方差分析。由于样本是依次曝光于各个条件的，所以对因变量的测量是重复的。对此使用标准的ANOVA分析是不合适的，因为它不符合标准方差分析的前提假定：数据之间的独立性。需要注意的是，有些ANOVA设计综合了重复测量因子和非重复测量因子。只要有一个重复测量因子存在，就应该考虑使用重复测量的方差分析。 使用该方法有以下几个原因： 1)、一些研究的假说要求重复测量。比如，经度研究测量几个年龄的样本成员。在这个例子中，年龄应该是重复的因子。 2)、当取样成员之间存在很大的变异时，按标准方法得到的误差变异很大。对每个取样成员的重复测量可以减小改误差变异。 3）、当取样成员不宜获取时，重复测量的设计显得经济实惠，因为每个成员都可以用来曝光于所有的条件。 4）、注意的是重复测量的方差分析不能检验随机效应！ 5)、当取样成员根据一些重要的特征配对后，也可使用重复测量方差分析。这里，每个配对的组具有相同的成员，组内每个成员都曝光于某个因子的不同的随机水平。当取样成员配对了，不同条件下的测量可以当作重复测量来看待。 比如，假定你选择了一组低气压对象，测量他们的气压水平，然后将那些具有相似气压水平的进行配对。然后给予每对中的一个成员低压处理，再次测量所有成员的低压水平。对此种情况，重复测量的方差分析是最有效的。当然，这里一个配对应当当作一个单一的取样成员。
SPSS学习笔记之——重复测量的多因素方差分析 1、概述 重复测量数据的方差分析是对同一因变量进行重复测量的一种试验设计技术。在给予一种或多种处理后，分别在不同的时间点上通过重复测量同一个受试对象获得的指标的观察值，或者是通过重复测量同一个个体的不同部位（或组织）获得的指标的观察值。重复测量数据在科学研究中十分常见。 分析前要对重复测量数据之间是否存在相关性进行球形检验。如果该检验结果为P﹥0.05，则说明重复测量数据之间不存在相关性，测量数据符合 Huynh-Feldt条件，可以用单因素方差分析的方法来处理；如果检验结果P﹤0.05，则说明重复测量数据之间是存在相关性的，所以不能用单因素方差分析的方法处理数据。在科研实际中的重复测量设计资料后者较多，应该使用重复测量设计的方差分析模型。 球形条件不满足时常有两种方法可供选择：（1）采用MANOVA（多变量方差分析方法）；（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。 2、问题 新生儿胎粪吸入综合征（MAS）是由于胎儿在子宫内或着生产时吸入了混有胎粪的羊水，从而导致呼吸道和肺泡发生机械性阻塞，并伴有肺泡表面活性物质失活，而且肺组织也会发生化学性炎症，胎儿出生后出现的以呼吸窘迫为主，同时伴有其他脏器受损现象的一组综合征[11]。血管内皮生长因子(vascular endothelial growth factor，VEGF)是一种有丝分裂原，它特异作用于血管内皮细胞时，能够调节血管内皮细胞的增殖和迁移，从而使血管通透性增加。而本实验旨在通过观察分析给予外源性肺表面活性物质治疗前后胎粪吸入综合征患儿血清 中VEGF的含量变化，评价药物治疗的效果。 将收治的诊断胎粪吸入综合症的新生儿共42名。将患儿随机分为肺表面活性物质治疗组（PS组）和常规治疗组（对照组），每组各21例。PS组和对照组两组所有患儿均给予除用药外的其他相应的对症治疗。PS组患儿给予牛肺表面活性剂PS 70mg/kg治疗。采集PS组及对照组患儿0小时，治疗后24小时和72小时静脉血2ml，离心并提取上清液后保存备用并记录血清中VEGF的含量变化情况。 结果如下：