
SPSS分析技术:重复测量方差分析
下面介绍在经济学、医学和心理学领域常用的重复测量方差分析。
重复测量方差分析原理
重复测量是指测试对象被处理后,对该测试对象的某个指标在不同时间点上多次测量,获得的数据就称为重复测量数据。重复测量方差分析不仅能够完成其它方差分析的均值的差异显著性比较,还能够考察测量指标是否会随着测量次数的增加而改变,或者随着时间的推移而改变。
我们以两因素方差分析的数据整理表格为例进行说明,如下图所示,如果非重复测量时,每个因变量数据单元格内的数据个数为n个,现在再5个时间点重复测量这些数据,那么每个单元格内的数据就变为5n个,这些数据不仅能够完成原来的两因素方差分析的目标,还能够额外考量数据是否会随着时间的推移而改变。
案例分析
麻醉能够使病人在手术过程中免于忍受疼痛的折磨,但是麻醉会对病人的血压造成影响,甚至出现病人麻醉死亡的事故。某医院麻醉科新设计了三种麻醉方法,现已进入临床测试阶段。医院选取了15个需要进行同样手术的病人,随机分成3组,在手术过程中分别实施三种麻烦方法,在麻醉后,选取5个时间点测量他们收缩压的变化情况,分别记为收缩压1~收缩压5,用重复测量方差分析对数据进行分析。
(例题数据文件已经上传到QQ群中,需要的朋友可以前往下载)
分析思路
如果没有进行重复测量的话,我们可以直接利用单因素方差分析来考察三种麻醉方法的效果,但是本案例进行的是重复性测量,所以应该进行重复性测量方差分析,不仅可以提高对于三种麻醉方法的分析效果,还可以考量时间是否会对收缩压起作用。
分析步骤
1、选择【分析】-【一般线性模型】-【重复测量】,打开重复测量定义因子对话框,如下图所示,将被测内因子名称改为“收缩压”,级别数为5,点击添加按钮;在测量名称中填写“血压”,点击添加按钮,点击定义。
2、在跳出的重复测量对话框中,进行如下操作,将收缩压1~5添加进主体内部变量;将诱导方法添加进因子列表。
3、点击模型按钮,进行如下操作,点击定制,将主体内的收缩压选入主体内模型,将主体间的方法选入主体间模型。构建项选择交互,平方和选择三型。
4、点击事后检验按钮,进行如下操作,将因子中的方法选入事后检验框中,假定方差齐性选择LSD
5、点击选项按钮,在跳出的对话框中进行如下所示。
6、点击确定按钮,输出结果。
结果解释
1、球形检验结果
由上表可知,收缩压的主体内效应检验显著性P为0.178,大于0.05的临界值,满足球形检验。因此在主体内效应检验表中查看“假设为球形”行数据。若球形检验结果的P小于0.05,不能满足球形假设,就要查看下边的三行数据来判断。
2、主体内效应检验;
从表中看出,收缩压和收缩压*方法的效应检验F值显著性均为0.000,达到非常显著。它们的Eta平方分别解释因变量的89.9%和76.1%。这表明不仅收缩压之间差异显著,而且诱导方法的不同造成的收缩压均值差异也显著,同时,不同诱导方法之间有统计学的差异。
3、事后多重检验
从事后多重检验看出:诱导方法1和诱导方法2相比,显著性水平P值为0.08,未达到显著;诱导方法1和诱导方法3相比,显著性P值为0.05,达到显著程度;而诱导方法2与诱导方法3比较,p值为0.164,未达到显著,可知诱导方法1效果最为显著。
4、折线图
从边际平均值的折线图也可以看出,麻醉方法1对于收缩压的影响效果最显著。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26