SPSS分析技術:重復測量方差分析

下面介紹在經濟學、醫(yī)學和心理學領域常用的重復測量方差分析。

重復測量方差分析原理

重復測量是指測試對象被處理后，對該測試對象的某個指標在不同時間點上多次測量，獲得的數據就稱為重復測量數據。重復測量方差分析不僅能夠完成其它方差分析的均值的差異顯著性比較，還能夠考察測量指標是否會隨著測量次數的增加而改變，或者隨著時間的推移而改變。

我們以兩因素方差分析的數據整理表格為例進行說明，如下圖所示，如果非重復測量時，每個因變量數據單元格內的數據個數為n個，現(xiàn)在再5個時間點重復測量這些數據，那么每個單元格內的數據就變?yōu)?n個，這些數據不僅能夠完成原來的兩因素方差分析的目標，還能夠額外考量數據是否會隨著時間的推移而改變。

案例分析

麻醉能夠使病人在手術過程中免于忍受疼痛的折磨，但是麻醉會對病人的血壓造成影響，甚至出現(xiàn)病人麻醉死亡的事故。某醫(yī)院麻醉科新設計了三種麻醉方法，現(xiàn)已進入臨床測試階段。醫(yī)院選取了15個需要進行同樣手術的病人，隨機分成3組，在手術過程中分別實施三種麻煩方法，在麻醉后，選取5個時間點測量他們收縮壓的變化情況，分別記為收縮壓1~收縮壓5，用重復測量方差分析對數據進行分析。

（例題數據文件已經上傳到QQ群中，需要的朋友可以前往下載）

分析思路

如果沒有進行重復測量的話，我們可以直接利用單因素方差分析來考察三種麻醉方法的效果，但是本案例進行的是重復性測量，所以應該進行重復性測量方差分析，不僅可以提高對于三種麻醉方法的分析效果，還可以考量時間是否會對收縮壓起作用。

分析步驟

1、選擇【分析】-【一般線性模型】-【重復測量】，打開重復測量定義因子對話框，如下圖所示，將被測內因子名稱改為“收縮壓”，級別數為5，點擊添加按鈕；在測量名稱中填寫“血壓”，點擊添加按鈕，點擊定義。

2、在跳出的重復測量對話框中，進行如下操作，將收縮壓1~5添加進主體內部變量；將誘導方法添加進因子列表。

3、點擊模型按鈕，進行如下操作，點擊定制，將主體內的收縮壓選入主體內模型，將主體間的方法選入主體間模型。構建項選擇交互，平方和選擇三型。

4、點擊事后檢驗按鈕，進行如下操作，將因子中的方法選入事后檢驗框中，假定方差齊性選擇LSD

5、點擊選項按鈕，在跳出的對話框中進行如下所示。

6、點擊確定按鈕，輸出結果。

結果解釋

1、球形檢驗結果

由上表可知，收縮壓的主體內效應檢驗顯著性P為0.178，大于0.05的臨界值，滿足球形檢驗。因此在主體內效應檢驗表中查看“假設為球形”行數據。若球形檢驗結果的P小于0.05，不能滿足球形假設，就要查看下邊的三行數據來判斷。

2、主體內效應檢驗；

從表中看出，收縮壓和收縮壓*方法的效應檢驗F值顯著性均為0.000，達到非常顯著。它們的Eta平方分別解釋因變量的89.9%和76.1%。這表明不僅收縮壓之間差異顯著，而且誘導方法的不同造成的收縮壓均值差異也顯著，同時，不同誘導方法之間有統(tǒng)計學的差異。

3、事后多重檢驗

從事后多重檢驗看出：誘導方法1和誘導方法2相比，顯著性水平P值為0.08，未達到顯著；誘導方法1和誘導方法3相比，顯著性P值為0.05，達到顯著程度；而誘導方法2與誘導方法3比較，p值為0.164，未達到顯著，可知誘導方法1效果最為顯著。

4、折線圖

從邊際平均值的折線圖也可以看出，麻醉方法1對于收縮壓的影響效果最顯著。