重复测量设计分析方法总结

重复测量设计特点就是存在数据相关，所以分析方法必须能够处理相关性，否则分析就不准确。为了说明的方便，假设有一个血压的重复测量数据。随机一组人每隔一个时间段测量一次血压，一共测量了5次。

1，将多次测量数据变为一个数据。如果能把相关的多次测量数据用一个新的数据来代替，则相关性就可以去除。用时间t作为自变量（时间看成连续变量），测量数据作为因变量，每个人建立一个一元线性回归可以得到一个时间t的回归系数（斜率），5次重复测量数据用这个新的斜率数据替代。将斜率作为因变量做单样本T检验，检验斜率是否为零。如果斜率不为零则代表不同时间的血压有差异，否则就是无差异。这种方法的缺点就是5次重复测量数据用一个斜率来表达存在信息损失，一般并不推荐这个方法。如果是前后测的数据，则可以把前测作为自变量，后测作为因变量，这样前后测的两个相关因变量数据就变成了只有一个因变量数据，这种处理不存在信息损失，是一个被推荐的方法。

2，单因变量方差分析法（需要球形检验的那个方差分析方法）；

3，多因变量方差分析法。

2，3都叫“重复测量方差分析法”，这两种方法里面通常优先选择单因变量方差分析法，单因变量方差分析法球形假设满足的情况下误差平方和的自由度更大，意味着能更灵敏的检测出不显著。但是球形假设检验本身也有可能会出错，那么多因变量方法也许会更可靠。

4，线性混合模型/广义线性混合模型法。线性混合模型处理的是连续数据，如果y是分类数据或者计数数据呢？这时候就需要使用广义线性混合模型处理。

5.广义估计方程法。功能要弱于广义线性混合模型。

方差分析法的优点是学习起来不会太难，大部分人都可以掌握。方法4是个人最推荐的方法，缺点很明显，学习难度大。很多人连T检验都整不明白，你让他学会广义线性混合模型有些不现实。方法5学习难度要难于方差法，和方法4比较，学习和使用都要简单些。

那么倒底该用哪个方法？我的建议是你会哪个方法就用哪个方法。如果会多个方法，则可以把多个方法都使用去比较他们的差异，这时候就是考验你能力的时候了，高手和菜鸟的区别立马就能显现。

以上介绍的所有方法在 《SPSS 数据分析-完美教程》 课程中都有详细说明和软件操作步骤。

使用手机或者电脑浏览器输入“静学社”官网网址：www.jingxueshe.com，进官网购买《SPSS数据分析-完美教程》，购买后查收“网易云课堂平台站内信”，信中有答疑老师微信号和课程资源链接。不是使用浏览器通过静学社官网购买的同学不享受免费论文数据分析答疑服务。