
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
t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18