重復測量的方差分析

1、重復測量資料的統(tǒng)計分析重復測量資料的統(tǒng)計分析Statistical Analysis of Repeated Measures Data內(nèi)容提要內(nèi)容提要 1 重復測量資料的統(tǒng)計問題重復測量資料的統(tǒng)計問題 2 綜合指標分析（綜合指標分析（SMA） 3 一般線形模型（一般線形模型（GLM） 4 多元方差分析（多元方差分析（MANOVA） 5 實例分析實例分析 End Exit1 重復測量資料的統(tǒng)計問題重復測量資料的統(tǒng)計問題 1.1 資料舉例資料舉例 1.2 重復測量資料的特點重復測量資料的特點 1.3.1常見分析方法的不妥常見分析方法的不妥 a 1.3.2常見分析方法的不妥常見分析方法的不妥 b

2、back1.1資料舉例資料舉例圖2 2.1圖2 2.1 兩組家兔血清膽固醇的對數(shù)隨時間的變化3.54.04.55.05.56.06.5實驗前5周后10周后膽固醇（m g % ) 的 對 數(shù)處理組對照組Back1.2重復測量資料的特點重復測量資料的特點 獨立性條件一般不能滿足獨立性條件一般不能滿足 某觀察指標某觀察指標(某變量某變量)在個體與個體之間、在個體與個體之間、或同一個體的每次觀察之間不獨立或不或同一個體的每次觀察之間不獨立或不完全獨立。完全獨立。 為什么非獨立性資料不能使用常規(guī)的統(tǒng)為什么非獨立性資料不能使用常規(guī)的統(tǒng)計方法？計方法？ Back1.3.1常見分析方法的不妥常見分析方法的不妥

3、 a 分別比較各時點試驗組與對照組的差別；分別比較各時點試驗組與對照組的差別；事先先作事先先作t檢驗以比較同質性，然后各時檢驗以比較同質性，然后各時點分別用各組點分別用各組“指標的變化值指標的變化值” 作作t檢驗檢驗以比較該指標在兩組的變化是否相同以比較該指標在兩組的變化是否相同 缺點：孤立地看待各時點的觀察值，沒有缺點：孤立地看待各時點的觀察值，沒有充分利用觀察對象在不同觀察時點間的充分利用觀察對象在不同觀察時點間的內(nèi)在聯(lián)系，因而降低了檢驗效能內(nèi)在聯(lián)系，因而降低了檢驗效能(power) Back1.3.2常見分析方法的不妥常見分析方法的不妥 b 將將n個患者的個患者的k次不同觀察作因變量，樣

4、本含量次不同觀察作因變量，樣本含量為為nk，擬合線性，擬合線性(或廣義線性或廣義線性)模型。模型。缺點：忽略了觀察對象在不同觀察時點間的內(nèi)部缺點：忽略了觀察對象在不同觀察時點間的內(nèi)部相關性而誤將其看作獨立樣本，從而增加相關性而誤將其看作獨立樣本，從而增加I型誤型誤差。由于同一觀察對象在差。由于同一觀察對象在k個不同觀察時點間的個不同觀察時點間的相關性，其相關性，其k個觀察值間存在共性，它們所提供個觀察值間存在共性，它們所提供的信息不及的信息不及k個獨立的來自不同個體的觀察值所個獨立的來自不同個體的觀察值所提供的信息，且內(nèi)部相關性越大，其信息量越提供的信息，且內(nèi)部相關性越大，其信息量越少。少。

5、Back2 綜合指標的分析綜合指標的分析 為了躲避重復測量值間的相關性，設法為了躲避重復測量值間的相關性，設法采用少數(shù)獨立的綜合指標來概括每個個采用少數(shù)獨立的綜合指標來概括每個個體多個時間點的測量值，然后采用體多個時間點的測量值，然后采用t檢驗、檢驗、方差分析或方差分析或U檢驗等單變量方法比較各組檢驗等單變量方法比較各組的差異。這種方法稱為綜合指標法的差異。這種方法稱為綜合指標法（summary measures approach）。）。 根據(jù)個體測量值隨時間變化的趨勢可將根據(jù)個體測量值隨時間變化的趨勢可將重復測量資料分為有峰型與生長型。根重復測量資料分為有峰型與生長型。根據(jù)不同的趨勢和所關心

6、的問題選擇綜合據(jù)不同的趨勢和所關心的問題選擇綜合指標。指標。 Back 有峰型 time.5 12345681216020040060080010001200Back Time(Weeks)0123456788090100110120130140150生長型生長型Back重復測量資料綜合指標的選擇重復測量資料綜合指標的選擇 數(shù)據(jù)類型數(shù)據(jù)類型 待考察的問題待考察的問題 綜合指標綜合指標 有峰型有峰型 不同處理組間總的反應有無不同處理組間總的反應有無差別？差別？ 均數(shù)（等時間間隔）；曲線下均數(shù)（等時間間隔）；曲線下面積（時間間隔不等）面積（時間間隔不等） 有峰型有峰型 不同處理組間最大（最小）不同

7、處理組間最大（最?。┓磻袩o差別？反應有無差別？ 最大（最?。┲底畲螅ㄗ钚。┲?有峰型有峰型 不同處理組間達到最大（最不同處理組間達到最大（最?。┓磻臅r間有無差別？小）反應的時間有無差別？ 達到最大（最?。┓磻臅r間達到最大（最?。┓磻臅r間 生長型生長型 不同處理組間反應變量對時不同處理組間反應變量對時間的變化率是否相等？間的變化率是否相等？ 回歸系數(shù)回歸系數(shù) 生長型生長型 不同處理組間最終的結果是不同處理組間最終的結果是否相等？否相等？ 效應變量的最終值、最末與最效應變量的最終值、最末與最初值之差、最末與最初值間的初值之差、最末與最初值間的變化率變化率 生長型生長型 不同處理組間反應速度

8、是否不同處理組間反應速度是否相等？相等？ 效應變量達到某一特定值（如效應變量達到某一特定值（如基線的特定倍數(shù)值）所需時間基線的特定倍數(shù)值）所需時間 Back重復測量資料的方差分析重復測量資料的方差分析可選可選GLM 多元方差分析多元方差分析協(xié)方差檢驗矩陣球形檢驗協(xié)方差檢驗矩陣球形檢驗(檢驗檢驗Huynh-Feldt條件條件) Huynh-Feldt條件條件:協(xié)方差陣主對角元相等協(xié)方差陣主對角元相等(等方差等方差),非主對角非主對角元相等元相等(協(xié)方差相等協(xié)方差相等).t檢驗的方差不齊檢驗的方差不齊,矯正自由度矯正自由度!當滿足當滿足Huynh-Feldt條件時條件時,多元方差分析和一元方差分析

9、結果一多元方差分析和一元方差分析結果一致致. 否則對進行校正否則對進行校正.時間趨勢擬合時間趨勢擬合組間效應分析組間效應分析5 實例分析實例分析-注意瞬脫研究注意瞬脫研究研究設計研究設計 目的：調查不同人群注意瞬脫情況目的：調查不同人群注意瞬脫情況(心理學心理學,注意注意力在很短的時間里轉移力在很短的時間里轉移,發(fā)生在幾個毫秒發(fā)生在幾個毫秒) 對象：對象：4個目標人群個目標人群 方法和指標：給予目標刺激（方法和指標：給予目標刺激（t）及隨后）及隨后 8個時間點的后續(xù)刺激（個時間點的后續(xù)刺激（P1P8），）， 測驗被試的正確應答率測驗被試的正確應答率 問題：不同人群的平均水平是否有差異？問題：不

10、同人群的平均水平是否有差異？ 不同人群在時間趨勢上有無差異？不同人群在時間趨勢上有無差異？ 數(shù)據(jù) n=134Case Summariesa普通學生966050609080829090普通學生10040409090909090100普通學生98604060908991100100普通學生92950405080828090普通學生87202050607010090100普通學生843040506050829090普通學生93400405070827070普通學生994020100801009110090普通學生865030507090909090普通學生9850405060809190100普通學

11、生99505070908010090100普通學生9460407090707390100普通學生9367709090908210090普通學生9570807070909190100普通學生97802060909082100100普通學生9780806090100100100100普通學生9590506060808210090普通學生9890701001001001009090普通學生91300306770919080普通學生9940408010070901001001234567891011121314151617181920被試組別目標正確率對目標后第一個刺激的判斷正確率P1p2p3p4p5

12、p6p7p8Limited to first 20 cases.a. 結果Within-Subjects FactorsMeasure: MEASURE_1tp1p2p3p4p5p6p7p8factor1123456789DependentVariableBetween-Subjects Factors普通學生80乒乓球運動員23定點射擊運動員14移動射擊運動員171234被試組別Value LabelNMANOVAMultivariate Testsc.60023.093a8.000123.000.000.40023.093a8.000123.000.0001.50223.093a8.000

13、123.000.0001.50223.093a8.000123.000.000.3391.99324.000375.000.004.6862.06924.000357.339.003.4222.14224.000365.000.002.3164.942b8.000125.000.000Pillais TraceWilks LambdaHotellings TraceRoys Largest RootPillais TraceWilks LambdaHotellings TraceRoys Largest RootEffectfactor1factor1 * groupValueFHypothe

14、sis dfError dfSig.Exact statistica. The statistic is an upper bound on F that yields a lower bound on the significance level.b. Design: Intercept+group Within Subjects Design: factor1c. 球形檢驗Mauchlys Test of SphericitybMeasure: MEASURE_1.067343.71335.000.518.550.125Within Subjects Effectfactor1Mauchl

15、ys WApprox.Chi-SquaredfSig.Greenhouse-GeisserHuynh-FeldtLower-boundEpsilonaTests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to anidentity matrix.May be used to adjust the degrees of freedom for the averaged tests of sig

16、nificance. Corrected tests are displayed in the Tests of Within-Subjects Effects table.a. Design: Intercept+group Within Subjects Design: factor1b. 組內(nèi)效應(被試內(nèi)效應)Tests of W ithin-Subjects EffectsM easure: M EASU R E_198151.687812268.96153.758.00098151.6874.14723669.37253.758.00098151.6874.39922310.6505

17、3.758.00098151.6871.00098151.68753.758.00022890.26424953.7614.179.00022890.26412.4401840.0034.179.00022890.26413.1981734.3794.179.00022890.2643.0007630.0884.179.007237353.6101040228.225237353.610539.081440.293237353.610571.912415.018237353.610130.0001825.797Sphericity Assum edG reenhouse-G eisserH u

18、ynh-F eldtLow er-boundSphericity Assum edG reenhouse-G eisserH uynh-F eldtLow er-boundSphericity Assum edG reenhouse-G eisserH uynh-F eldtLow er-boundSourcefactor1factor1 * groupError(factor1)T ype III Sumof SquaresdfM ean SquareFSig.組內(nèi)效應擬合組內(nèi)效應擬合Tests of Within-Subjects ContrastsMeasure: MEASURE_116

19、252.348116252.34842.568.00023889.513123889.513114.664.00038475.935138475.935129.632.00019108.623119108.62367.640.00047.216147.216.239.626127.0931127.093.626.430227.4361227.4361.793.18323.525123.525.183.6694654.62131551.5404.064.0086145.67532048.5589.833.0008072.39632690.7999.066.0002560.8663853.6223.022.032375.4903125.163.632.595149.486349.829.245.865671.2673223.75