
SPSS詳細操作:兩因素重復測量的方差分析
一、問題與數(shù)據(jù)
某研究者擬評估海水淹溺后殘留于肺內(nèi)的海水是否可導致嚴重的肺損傷,建立動物模型。將12只雜種犬隨機分為兩組,一組海水灌注右肺,另一組海水灌注全肺,每組6只。每只犬分別于海水灌注前以及灌注后5min、30min、60min、120min檢測氧分壓PaO2(kPa)。
試問:
(1)不同灌注處理對肺部氧分壓有何作用?
(2)時間是否也會產(chǎn)生影響?
(3)兩者之間是否存在交互作用?
表1. 海水灌注前后兩組雜種犬的PaO2(kPa)測定結(jié)果
二、對數(shù)據(jù)結(jié)構(gòu)的分析
整個數(shù)據(jù)資料涉及兩組研究對象,旨在比較兩組灌注部位氧分壓有無差別。與我們以往所知道的完全隨機設(shè)計或者隨機區(qū)組設(shè)計(研究對象被隨機分配到各處理組,觀察各組結(jié)局指標一次測量結(jié)果)不同,本研究對結(jié)局指標(氧分壓)進行了多次測量;另外,每個觀察對象在灌注前以及灌注后5min、30min、60min、120min檢測的氧分壓PaO2(kPa) 是相關(guān)的。這就是我們常見的重復測量設(shè)計。
由于重復測量時,每個個體的測量結(jié)果之間存在一定程度的相關(guān),違背了方差分析數(shù)據(jù)獨立性的要求,如果仍使用一般的方差分析,將會增加犯I類錯誤的概率,所以重復測量資料有相對應的方差分析方法。
重復測量方差分析要求各時點指標變量滿足球形假設(shè)(Sphericity
假設(shè)),通常用Mauchly方法檢驗是否滿足球形假設(shè),若檢驗結(jié)果P>0.05,認為滿足;若P<0.05,則不滿足。當資料滿足球形假設(shè)時,可直接進行一元方差分析;不滿足時,應以多元方差分析結(jié)果為準(圖1)。
圖1. 兩因素重復測量方差分析
三、SPSS分析方法
1. 數(shù)據(jù)錄入
(1) 變量視圖
(2) 數(shù)據(jù)視圖
2. 選擇Analyze→General Linear Model→Repeated Measures
3. 選項設(shè)置
(1) Within-Subject Factor Name框中輸入“time”,Number of Levels框輸入“5”(這里因為每個研究對象重復測量了5次)→Add→Define
(2) 主對話框設(shè)置:將各時間點觀測變量t0-t120放入Within-Subjects Variables(Time)框中→將分組變量group放入Between-Subjects Factor(s)框中。
(3) Model設(shè)置:Specify Model默認Full
factorial,輸出處理因素和時間的主效應,以及兩者的交互效應檢驗的結(jié)果。Sum of squares選擇Type
Ⅲ,這里適用于平衡數(shù)據(jù),即各組樣本例數(shù)相同。對于非平衡數(shù)據(jù),選擇Type Ⅳ → Continue。
(4) Plots設(shè)置:將time放入Horizontal Axis框,group放入Separate Lines框→ Add → Continue,這里定義橫坐標為time,分組為group,繪制time與group的輪廓圖。
(5) Post Hoc設(shè)置:如果group≥3組,可將group放入Post Hoc Tests for框中,勾選恰當?shù)臋z驗方法,進行兩兩比較。本案例中僅有兩組,不需要設(shè)置→Continue
(6) Options設(shè)置:勾選Descriptive statistics,用于不同處理組各個時點指標變量的統(tǒng)計描述→Continue→OK
四、結(jié)果解讀
表2. 統(tǒng)計描述
表3. 球形檢驗結(jié)果
表4. 組內(nèi)因素的多元方差分析檢驗結(jié)果
表5. 組內(nèi)因素的一元方差分析檢驗結(jié)果
表6. 組間因素的一元方差分析檢驗結(jié)果
圖2. 時間與處理因素輪廓圖
(1)組內(nèi)比較:本案例中球形檢驗結(jié)果P=0.022<0.05,數(shù)據(jù)不滿足球形假設(shè),應以多元方差分析結(jié)果為準 ,即表4第1行和第5行(SPSS會給出4種檢驗方法,一般以Pillai's Trace結(jié)果為準),同時也可以參考校正后的一元方差分析結(jié)果,多推薦Greenhouse-Geisser的校正結(jié)果,即表5第2行和第6行。這里time和time*group均有P<0.05,提示各個時點指標變量存在差異,且處理因素對于指標變量的作用會隨著時間的變化而變化(可參考圖2)。
如果這里數(shù)據(jù)滿足球形假設(shè),可直接進行一元方差分析,無需校正,應采用表5第1行和第5行結(jié)果。
(2)組間比較:表6給出處理因素group的方差分析,P<0.001,提示不同灌注部分之間氧分壓存在差異。
五、撰寫結(jié)論
不同灌注部位處理的肺部氧分壓差別有統(tǒng)計學意義,全肺灌注的氧分壓低于單肺灌注的氧分壓;灌注海水的時間也有影響,海水灌注后,犬的氧分壓逐漸下降,到灌注后60min達到最低,之后有小幅上升;灌注部位和時間之間存在交互效應,隨灌注時間的延長,單肺灌注與全肺灌注氧分壓下降幅度不同,以全肺灌注組的下降幅度最大。
六、備注
多因素重復測量的方差分析往往存在多個處理因素,這時候需要單獨考慮多個處理因素之間的交互作用,若一個研究有兩個處理因素,即group1和group2,這時SPSS中Model設(shè)置先使用默認的Full factorial,會考慮group1*group2交互是否存在,如果交互檢驗不存在統(tǒng)計學意義,需要進一步使用Custom進行自定義,僅考慮group1和group2的主效應(如下圖),并對結(jié)果進行相應的解讀。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10