重復(fù)測量資料的方差分析PPT課件

1、1,重復(fù)測量資料的統(tǒng)計分析,Statistical Analysis of Repeated Measures Data,2,內(nèi)容提要,1 重復(fù)測量資料的統(tǒng)計問題 2 綜合指標(biāo)分析（SMA） 3 一般線形模型（GLM） 4 多元方差分析（MANOVA） 5 實例分析,End Exit,3,1 重復(fù)測量資料的統(tǒng)計問題,1.1 資料舉例 1.2 重復(fù)測量資料的特點 1.3.1常見分析方法的不妥 a 1.3.2常見分析方法的不妥 b back,4,1.1資料舉例,Back,5,1.2重復(fù)測量資料的特點,獨立性條件一般不能滿足 某觀察指標(biāo)(某變量)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完

2、全獨立。 為什么非獨立性資料不能使用常規(guī)的統(tǒng)計方法？ Back,6,1.3.1常見分析方法的不妥 a,分別比較各時點試驗組與對照組的差別；事先先作t檢驗以比較同質(zhì)性，然后各時點分別用各組“指標(biāo)的變化值” 作t檢驗以比較該指標(biāo)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(power) Back,7,1.3.2常見分析方法的不妥 b,將n個患者的k次不同觀察作因變量，樣本含量為nk，擬合線性(或廣義線性)模型。 缺點：忽略了觀察對象在不同觀察時點間的內(nèi)部相關(guān)性而誤將其看作獨立樣本，從而增加I型誤差。由于同一觀察對象在k個不

3、同觀察時點間的相關(guān)性，其k個觀察值間存在共性，它們所提供的信息不及k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(guān)性越大，其信息量越少。 Back,8,2 綜合指標(biāo)的分析,為了躲避重復(fù)測量值間的相關(guān)性，設(shè)法采用少數(shù)獨立的綜合指標(biāo)來概括每個個體多個時間點的測量值，然后采用t檢驗、方差分析或U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(biāo)法（summary measures approach）。 根據(jù)個體測量值隨時間變化的趨勢可將重復(fù)測量資料分為有峰型與生長型。根據(jù)不同的趨勢和所關(guān)心的問題選擇綜合指標(biāo)。 Back,9,有峰型,Back,10,生長型,Back,11,重復(fù)測量資料綜合指標(biāo)

4、的選擇,Back,12,重復(fù)測量資料的方差分析可選GLM,多元方差分析 協(xié)方差檢驗矩陣球形檢驗(檢驗Huynh-Feldt條件) Huynh-Feldt條件:協(xié)方差陣主對角元相等(等方差),非主對角元相等(協(xié)方差相等).t檢驗的方差不齊,矯正自由度! 當(dāng)滿足Huynh-Feldt條件時,多元方差分析和一元方差分析結(jié)果一致. 否則對進(jìn)行校正. 時間趨勢擬合 組間效應(yīng)分析,13,5 實例分析-注意瞬脫研究,研究設(shè)計 目的：調(diào)查不同人群注意瞬脫情況(心理學(xué),注意力在很短的時間里轉(zhuǎn)移,發(fā)生在幾個毫秒) 對象：4個目標(biāo)人群 方法和指標(biāo)：給予目標(biāo)刺激（t）及隨后 8個時間點的后續(xù)刺激（P1P8）， 測驗被試的正確應(yīng)答率 問題：不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,14,數(shù)據(jù) n=134,15,結(jié)果,16,MAN