如何在 spss 中执行重复测量方差分析

重复测量方差分析用于确定三个或更多组的平均值之间是否存在统计显着性差异，其中每组中出现相同的受试者。

本教程介绍如何在 SPSS 中执行单向重复测量方差分析。

示例：SPSS 中的重复测量方差分析

研究人员想知道四种不同的药物是否会导致不同的反应时间。为了测试这一点，他们测量了五名患者对四种不同药物的反应时间。由于每位患者都对四种药物中的每一种进行测量，因此我们将使用重复测量方差分析来确定药物之间的平均反应时间是否不同。

完成以下步骤以在 SPSS 中执行重复测量方差分析。

第 1 步：输入数据。

输入以下数据，显示五名患者对四种药物的反应时间（以秒为单位）：

第 2 步：执行重复测量方差分析。

单击分析选项卡，然后单击一般线性模型，然后单击重复测量：

在出现的新窗口中，输入药物作为受试者内因子名称。输入4作为级别数（因为每个研究对象测试了 4 种不同的药物），然后单击“添加” 。在“度量名称”中键入ResponseTime ，然后单击“添加” 。最后，单击“设置” 。

在出现的新窗口中，将四个药物变量中的每一个拖动到标记为“受试者内变量”的区域中：

接下来，单击“绘图” 。将变量药物拖动到标记为Horizontal Axis 的区域中。然后单击“添加” 。然后单击“继续” 。

接下来，单击EM 均值。将药物变量拖到标记为Show Means For 的框中。然后选中比较主效应旁边的框，并从下拉菜单中选择Bonferroni 。然后单击“继续” 。

最后，单击“确定” 。

第 2 步：解释结果。

单击“确定”后，将显示重复测量方差分析的结果。以下是如何解释结果：

受试者内效应测试

此表显示总体 F 统计量和重复测量方差分析的相应 p 值。我们通常使用标记为Greenhouse-Geisser 的行中的值。

根据这条线，F 统计量为24.759 ，相应的 p 值为0.001 。由于该 p 值小于 0.05，我们可以拒绝零假设并得出结论：四种药物之间的平均响应时间存在统计显着差异。

成对比较

由于我们拒绝了原假设，这意味着至少两组均值不同。为了确定哪些组的平均值不同，我们可以使用此表来显示每种药物之间的成对比较。

在表中我们可以看到以下比较的 p 值：

• 药物 1 与药物 2 | p 值 = 1.000
• 药物 1 与药物 3 | p 值 = 0.083
• 药物 1 与药物 4 | p 值 = 0.010
• 药物 2 与药物 3 | p 值 = 0.071
• 药物 2 与药物 4 | p 值 = 0.097
• 药物 3 与药物 4 | p 值 = 0.011

唯一小于 0.05 的 p 值是药物 1 与药物 4 以及药物 3 与药物 4 的比较。所有其他比较的 p 值都大于 0.05。

估计边际均值图

该图表显示每种药物的估计平均反应时间。从图中，我们可以清楚地看到四种不同药物之间的响应时间差异显着：

第三步：报告结果。

最后，我们可以报告重复测量方差分析的结果。以下是如何执行此操作的示例：

进行单向重复测量方差分析以确定患者的平均反应时间在四种不同药物之间是否存在差异。

单向重复测量方差分析显示，所用药物类型导致响应时间存在统计学显着差异（F = 24.75887，p = 0.001）。

多重比较的 Bonferroni 检验显示，服用药物 1 和药物 4 以及药物 3 和药物 4 的患者之间的反应时间存在统计学显着差异。