|
前言 空格重复测量资料的方差分析，根据教程用SPSS就可以操作的方法，你确定自己做对了吗？不知道大家有没有注意到目前统计学教材上以及实际研究当中，常见的重复测量资料数据其实有两类。一类是，各个时间点的数据是在相同状态下测量的，如术后1天、术后7天、术后14天等。另外一类就是，在前面的基础上多了一个术前的时间点，这时测量的数据即使是在试验组也是跟术后各个时间点测量的状态是不同的。所以这两种情况需要用到不同的分析策略。由于两种情况的分析思路是相同的，接下来在每个步骤都按两种情况进行分别说明。 SPSS操作步骤 空格第一类情况，如RCT试验中按不同手术方式分为两组，对各组病人术后1天、7天、14天等3个时间点进行连续随访观察某项功能结局指标，变量分别为group、time1、time7、time14。操作方法：【Analyze】【General Linear Model】【Repeated Measures】，进入定义界面：Within-Subject Factor Name：day，Number of Levels：3，【Add】，Measure Name：time，【Add】【Define】，进入主界面，将变量time1、time7、time14选入到Within-Subjects Variables框，将group选入到Between-Subjects Factor框，此处略去后续操作。 空格第二类情况，比上面多了一个术前的时间点数据，变量分别为group、time0、time1、time7、time14。操作方法跟上面唯一不同的是，在主界面把time0选入Covariates框。这样做的目的是通过协方差的思想，校正术前因素对结果造成的影响。 球形检验 空格通过上面的操作，相信都能得到分析结果。对于重复测量资料的方差分析，我们首先需要看的是球形检验的结果。以上两类情况一样，都是看结果中的“Mauchly's Test of Sphericity”表格。该检验综合评价组间以及各个时间点测量指标是否满足方差齐性的，P值大于等于0.1表示满足球形检验。球形检验的结果决定着下一步时间效应和交互效应的结果读取。至于正态性的检验，可以依据经验做出判断(默认正态吧)。 时间效应与交互效应 空格以上两类情况一样，时间主效应和交互效应的结果读取，见“Tests of Within-Subjects Effects”表格。如果满足球形检验，看Sphericity Assumed对应的结果(主要是P值)；若不满足，则查看Greenhouse-Geisser对应的结果。这里我们可以获得时间与组别交互效应的P值，它有无统计学意义影响到后面结果的分析，交互相应也可以结合均值轮廓图来分析。在交互效应有统计学意义的情况下，一般不再关心组间效应和时间效应有无意义，主要看单独效应分析的结果，在下面的步骤中介绍。 组间效应 空格我们可以通过表格“Tests of Between-Subjects Effects”读取组间效应的结果。在交互效应无统计学意义的情况下，组间效应有意义，表示综合各时间的情况，组间差异有统计学意义；时间效应有意义，表示研究指标随时间变化的趋势有统计学意义。两类不同的重复测量资料类型中，在这一步唯一不同的是，第二类的组间效应结果中多了一个变量time0的结果，这个变量具有统计学意义说明术前因素对结果是有影响的，不过我们不用担心，不管time0是否具有统计学意义，协方差的思想已经帮忙校正了它的影响。 空格接下来要做的单独效应分析，在上面提到的在交互效应有统计学意义的情况下，是必须要做的。另外，根据不同的研究目的，在组间效应或时间效应有统计学意义的时候，研究者就想知道具体哪个时间点组间存在差异，或者同一个组哪两个时间点有差异，也需要做单独效应分析。 单独效应 空格值得注意的是：在重复测量的主界面中通过【Post Hoc】按钮设置可以给出的组别和时间点间的两两比较的结果，往往不是我们想要的结果。例如，组别间的两两比较是把各组所有时间点的数据合起来，然后比较组间差异的。时间点间的两两比较是把各时间点两组的数据合起来，然后比较时间点差异的。因此，要另外做单独效应的两两比较，如下。 空格假设组间效应有意义，想分别比较各时间点各组间是否有差异，如果有2组则用 t 检验，这个步骤中得到的 P 值需要乘以总的比较次数进行校正再跟0.05比较。如果有3组及以上则用方差分析，此时用【One-Way ANOVA】程序的分析出来的两两比较已经进行了时间点内校正了，但如果对多个时间点进行组间比较， P 值还需要乘以比较的时间点个数进行校正再跟0.05比较。由于这样的校正会让 P 值很容易大于0.05，建议各位朋友根据自己的研究目的减少比较的次数。 空格假设时间效应有意义，想分别比较各组各时间点是否有差异，如果是2个时间点则用配对t检验，这里的 P 值同样需要乘以总的比较次数进行校正再跟0.05比较。如果有3组及以上则用单组的重复测量方差分析，只是在【Repeated Measures】程序中只纳入其中一组的数据，这里就可以用“值得注意”部分提到的程序中给出的两两比较结果了，而且是进行了组内校正的。但如果对多个组进行组内不同时间的比较， p值还需要乘以比较的组别个数进行校正再跟0.05比较。同样的提醒，建议各位朋友根据自己的研究目的减少比较的次数。 空格如果上面步骤的两两比较在校正后的结果不理想，各位可以同时列出校正与非校正的 P 值，根据自己的需要统一按照非校正的结果进行解释。 空格另外有很多文章中，对于重复测量资料的数据，没有进行重复测量资料的方差分析而直接进行单独效应分析的。而从重复测量设计的分析思路考虑，建议各位朋友还是按照上述的思路进行分析。 感谢何贤英、徐勇、朱亚静、邹亚明等的帮助! |
|
|
