|
|
【摘要】 目的：以一实例介绍用SPSS16.0实现对不等距重复测量资料的方差分析和结果解释。方法： 用SPSS16.0中的一般线性模型和程序编辑窗口实现不等距重复测量设计的方差分析。结果：球形检验结果P<0.05，重复测量数据之间存在相关性，采用多元方差分析(P<0.05)；个体内变异计算，表明时间因素有效应且时间与处理因素之间有交互效应(P<0.05)；个体间变异计算表明分组因素有效应(P<0.05)。结论： 处理不等距重复测量资料时要慎重，利用SPSS软件易于实现对此类资料的方差分析。
【关键词】 统计学； 重复测量； 方差分析； SPSS
重复测量资料(repeated measurement data)是指同一受试对象的同一观察指标在不同时间点上进行多次测量所得的资料，常用来分析该观察指标在不同时间点上的变化特点［1］ 。在医学研究特别是临床研究和流行病学研究的数据中，经常会涉及重复测量数据。重复测量资料的方差分析虽在许多教材中都有论述，但多侧重理论，应用实例介绍的不多，特别是对于测量时间间隔不相等的资料，即不等距重复测量资料的介绍很少。考虑到SPSS统计软件的普及实用性，本研究拟结合一实例介绍用SPSS16.0实现对不等距重复测量资料的方差分析，以及如何对结果的进行解释，旨在为广大医务人员提供一定的参考。
1 实例分析
1.1 资料
为了解某药物对某种疾病模型大鼠的体重影响，将20只Wistar大鼠随机分成3组，阴性对照组（7只）、正常对照组（6只）和待测药物组（7只）。阴性对照组，造模14天后肌注生理盐水；正常对照组，14天后肌注生理盐水；待测药物组，造模14天后肌注待测药物，连续给药8天。分别记录造模后第10、15、20、24天的大鼠体重，结果见表1。
表1 大鼠的体重（略）
2 分析步骤及结果
2.1 数据文件格式
按列记录每个变量。变量group表资料的分组（Model 代表阴性对照组，Normal代表正常对照组， Trial代表待测药物组），以t10、 t15 、t 20、 t 24变量分别代表24d中测得的数据。
2.2 SPSS16.0软件窗口操作过程
Analyze→General Linear Model(广义线性模型)→Repeated Measures…→出现Repeated Measures Define Factors对话框，在WithinSubject Factor Name中键入t (重复测量的变量名)；在Number of levels中键入4 (重复测量的次数)，单击Add→ Define，进入Repeated Measures 主对话框：将t10～t24(代表四次测量结果)调入WithinSubjects Variables(t)框中； group调入BetweenSubjects Factor(s) 框中→ Model，进入Repeated Measures :Model对话框，选中Custom(自定义模型)，将time调入WithinSubjects Model框(分析4次测量间有无随时间变化的趋势)；group调入BetweenSubjects Model框，→Build Term(s)菜单中选中 Main effects(只分析主效应) ，单击Continue返回→Paste，进入SPSS Syntax Editor程序编辑窗口，将"/WSFACTOR=t 4 Polynomial" 语句修改为"/WSFACTOR=t 4 Polynomial (10 15 20 24)"→单击Run→ All，得到主要结果如表2～表5所示。
2.3 结果分析
2.3.1 通过Mauchly球形检验判断重复测量数据之间是否存在相关性
表2 球形检验结果（略）
表3 组内因素的一元方差分析检验结果（略）
表4 组内因素的多元方差分析检验结果（略）
表5 组间因素的一元方差分析检验结果（略）
表2为SPSS给出的球形检验结果。表3是针对组内因素t及t与组间因素group的交互作用即t * group进行的一元方差分析检验，表中后3行是校正后的结果（校正系数Epsilon）。表4是针对t和t* group进行的多元方差分析检验，SPSS对此具体采用了4种多元检验方法，一般以Pillai's Trace结果为准。表5是组间因素group的检验结果。
此例中球形检验结果χ2=23.574, P<0.05，数据不符合HuynhFeldt条件，不满足球形假设，说明重复测量的数据间高度相关，应以多元检验结果为准［2］ ，即表4第1行的数据。同时可参考校正后的一元方差分析结果，多推荐GreenhouseGeisser的校正结果，即表3第2行的数据。
若数据满足球形假设，则说明重复测量的数据间实际上不存在相关性，可直接进行一元方差分析，无需校正，应采用表3第1行的数据。
2.3.2 分析组内因素、组间因素的作用及组内因素和组间因素的交互作用
由表3组内因素(WithinSubjects）的计算结果表明，时间因素有效应(F=4.854, P<0.05)，体重有随时间变化的趋势，且时间因素的作用随着分组的不同而不同(F=3.470, P<0.05)，即从各时间点上测得的大鼠体重将随着处理方式的改变而改变。
由表4组间因素(BetweenSubjects）的计算结果表明，分组因素group有效应(F=3.695, P<0.05) ,各组大鼠体重总体而言不同。 2.3.3 重复测量均数的变化趋势
图1 药物对大鼠体重的影响（略）
图1为大鼠体重的均数变化趋势图，可以借助Plots子菜单和Syntax Editor程序编辑窗口作出。由图能直观地看出正常对照组大鼠的体重在持续稳定增长，阴性对照组和待测药物组大鼠的体重都有下降趋势。
2.3.4 各组资料在不同时间点上的差别
在不同处理组与不同时间上的差别均有统计学意义时，可进一步进行两两比较，本例就属此种情况。SPSS中的操作步骤如下：Analyze→Multivariate(多元方差分析模型)→向Dependent variablesk框中调入t10～t24；Fixed factors中调入group，单击Continue→ Model，选中Custom，将group调入Model框，Build Term(s)菜单中选中 Main effects，单击Continue →单击Post Hoc，在Post Hoc Tests for 框中调入group，选中LSD（两两比较方法的选择原则与单因素方差分析一致），单击Continue →单击Options，在Display means for框中调入 group，选中Disply Descriptive statistics（输出对数据的统计描述）单击Continue→OK。
表6 药物对大鼠体重的影响（略）
注：* P<0.05,vs model group; # P<0.05,vs normal group。
SPSS两两比较结果输出内容较多，本研究省略，整理后结果如表6所示。可以看到在试验20d之后，阴性对照组和待测药物组大鼠体重均低于正常对照组大鼠体重（P<0.05）；待测药物组大鼠体重与阴性对照组大鼠体重之间的差异没有统计学意义（P>0.05）。
3 讨论
重复测量设计可以动态观察或监测测量指标，符合临床试验、药理学试验等的特点，故广泛应用在基础、预防、临床等医学研究中。如为研究某种降压药对患者血压的改善情况，测量病人治疗前后不同时间（治疗前，治疗后1、2、3、4w）的血压；儿童生长发育规律的研究等。
重复测量资料常有时间上的相关性或随时间变化的趋势，属非独立性或不完全独立数据，在统计分析上有其特殊性。国内发表的很多论文对这类资料进行统计处理时常忽视其特点，存在很多误用的情况：①在分析时考虑只某一时点的测量值，重复进行t检验，导致检验效能降低，假阳性的概率增大，有可能得出错误的结论，而且这样只对单独效应进行了分析，会漏掉数据蕴涵的部分信息；②直接采用随机区组方差分析，这在数据不满足"球形假设"时，也会增加假阳性概率；③还有一种情况是虽然采用了重复测量设计的方差分析，但是误将不等距重复测量设计的资料按等距进行处理等。
在对重复测量资料进行分析时要注意下面几点：①在数据不满足"球形假设"时，需对组内效应进行校正，而组间效应无需校正；②不等距重复测量资料在SPSS中不能直接利用菜单完成，可利用Paste按钮和Syntax Editor程序编辑窗口，参考本文给出的程序进行处理；③重复测量资料的结果较复杂，在给出解释时要慎重。
本研究利用一例医学研究的实例，详细介绍了利用SPSS16.0对不等距重复测量数据进行分析的具体过程，以及对结果的解释和运用。SPSS统计软件具有多种实用的分析方法，易于学习、操作，且各个版本的通用性很强，是非统计专业人员应用最多的统计软件。SPSS借由其方便的菜单式操作已受到众多医务人员的青睐。希望本研究能为采用重复测量设计的医学科研工作者们提供一定的借鉴参考价值。
【参考文献】
1 方积乾. 卫生统计学. 第5版. 北京: 人民卫生出版社, 2005， 161～165.
2 张文彤. SPSS统计分析教程(高级篇). 北京: 北京希望电子出版社, |
|
|Archiver|手机版|小黑屋|魅优论文范文网
( 琼ICP备10200388号-7 )
发表于 2014-6-1 12:45:34
收藏
转播
支持
反对