单因素方差分析与重复测量资料方差分析有什么区别

单因素方差分析与重复测量资料方差分析有什么区别

重复测量方差：相关领域（比如医学研究）时，常常需要对同一观察单位重复进行多次测量，比如对病例在不同时间点进行多次测量，此类数据称为重复测量资料。由于此类数据同一对象多次测量之间存在相关性，因而不能简单的使用方差分析进行研究，而需要使用重复测量方差分析。

重复测量方差分析时涉及两个重要的术语名词，分别是组内和组间。比如有这样一项关于抑郁症的研究，共有12名患者，分别6名患者使用新药或者旧药；并且分别测试12名患者用药后分别第1周，第4周和第8周时的抑郁程度。因此数据中涉及到时间点的记录，和组别的记录。时间点则称之组内项；组别称为组间项；

（1）重复测量方差搜集的数据格式如下：

（2）将数据上传SPSSAU之前需要对格式进行处理，重复测量数据是指同一批样本（病例）在不同的时间点测量了多次数据，因此重复测量数据的特殊之处在于一定会有ID号（即样本或者病例号），以及时间点数据。参考如下：

SPSSAU实验/医学研究→重复测量方差。

分析组间效应，即两种药物类型（新药和旧药）对于抑郁的差异性，上表可知：药物类型并没有呈现出显著性(F =0.224,p =0.646>0.05)，说明新药和旧药对于抑郁症没有明显的差异，也即说明药物对于抑郁症治疗没有明显的帮助。

针对组内项时间点进行球形度检验可知：本次重复测量方差模型没有通过球形度检验(p=0.031<0.05)，并且球形度W值为0.463<0.75，因此最终应该以GG校正结果为准。

球形度检验显示最终应该使用GG校正结果，上表格中用蓝色标识出最终需要查看的结果值。对于时间点来看，其呈现出0.1水平的显著性(F =4.136，p =0.055 <0.1），即说明不同时间点时患者的抑郁症程度有着明显的差异性。同时对于时间与药物类型交互项上，其并没有呈现出显著性(F =0.591，p =0.499> 0.05)，说明并不存在差异效应。

单因素方差分析，又称为完全随机设计方差分析,如你设计不进行4个时间点测量，则应该用单因素方差分析；
重复测量数据分差分析，故名思议，每个受试对象在不同时间点进行了重复测量，因此应该采用重复测量数据的方差分析，主要因为不同时间点测量数据不再相互独立，有背方差分析的7字决“独立、正态、方差齐”。SPSS里专门有重复测量方差分析的，也很简单哦。你的方差分析为2因素，其中一个为重复测量数据的方差分析。
另请注意：不是不同时点测量就是重复测量方差分析，必须不同时点在同一受试对象监测指标，有的实验安排，时间点1处死一批动物监测指标，时间点2在处死一批动物等等，则不属于重复测量数据方差分析。