在前面文章中介绍了单因素重复测量方差分析(One-Way Repeated Measures ANOVA)的假设检验理论，本篇文章将实例演示在SPSS软件中实现单因素重复测量方差分析的操作步骤。

关键词：SPSS; 重复测量; 重复测量资料; 重复测量方差分析; 单因素重复测量方差分析; 球形检验; 交互作用; 主效应; 单独效应

检验科研究血样放置时间对某生化指标浓度检测的影响，采集了10份人体血液标本，分别在放置0分钟(T0)、30分钟(T30)、60分钟(T60)和90分钟(T90)时对该指标的浓度(mmol/L)进行检测，分析放置时间是否对该生化指标检测结果有影响？

创建记录血标本编号的变量“ID”，测量尺度均设为“名义”。创建记录不同时点浓度的变量“T0”、“T30”、“T60”和“T90”，测量尺度设为“标度”。部分数据见图1。本文案例可从“附件下载”处下载。

本案例的分析目的是比较4个时间点的生化指标浓度是否有差异。由于4个时间点的数据属于重复测量数据，可以使用单因素重复测量方差分析(One-Way Repeated Measures ANOVA)。但需要满足5个条件：

条件1：观察变量唯一，且为连续变量。本研究中观察变量为生化指标浓度，且为连续变量，该条件满足。

条件2：观察变量为重复测量数据，即不满足独立性。本研究中4个时间点测量的生化指标浓度均是针对同一批样本，因此不满足独立性，该条件满足。

条件3：观察变量不存在显著的异常值，该条件需要通过软件分析后判断。

条件4：各水平(时间点)观察变量为正态(或近似正态)分布，该条件需要通过软件分析后判断。

条件5：各重复测量水平观察变量的协方差相等，即满足球形假设，该条件需要通过软件分析后判断。

① 选择“分析”—“描述统计”—“探索”(图2)。

②在“探索 ”对话框中将表示生化指标浓度的变量“T0”、“T30”、“T60”和“T90”选入右侧“因变量列表”框，点击“确定”(图3)。

可通过箱式图判断异常值，图4为基线时(T0)的数据情况，图中未提示任何异常值。其他3个时间点的情况也类似(请读者自行操作)，未提示任何异常值。综上，本案例未发现需要处理的异常值，满足条件4。

① 选择“分析”—“描述统计”—“探索”(图2)。

② 在“探索”对话框中将表示4个时间结果的变量“T0”、“T30”、“T60”和“T90”选入右侧“因变量列表”框(图3)。

(步骤①②同条件3判断的软件操作，故条件3和条件4判断可同时在“探索”对话框中进行)。

③ 在“图”子对话框中勾选“含检验的正态图”，取消勾选“茎叶图”，其他不变，点击“继续”(图5)后回到“探索”对话框，点击“确定”，则会输出结果。

图6显示了两种正态性检验的结果，Kolmogorov-Smirnov (柯尔莫哥洛夫-斯米诺夫，K-S)检验和Shapiro-Wilk (夏皮罗-威尔克，S-W)检验。K-S检验适用于大样本资料，本案查看S-W检验结果，可见4组数据正态性检验的P值均>0.1，提示所有变量数据均服从正态分布。此外，本案例也可以绘制Q-Q图，结果也提示四组数据服从正态分布(请读者自行操作)。综上，本案例满足条件4。关于正态性检验的注意事项详见文章(医学统计学核心概念及重要假设检验的软件实现(2/4)——正态性假设检验的SPSS实现)。

球形假设检验的操作和统计描述及推断在同一对话框中完成，详见下述统计描述及推断部分。

①选择“分析”—“一般线性模型”—“重复测量” (图7)。

②出现“重复测量定义因子”对话框，“主体内因子名”处要录入重复测量的因子名称，自定义名称。由于本案例是在4个时间点重复测量，所以此处将“因子”改为“时间”，下方“水平数”是填入测量次数，则填入“4”，然后点击“添加”。最后点击“定义”(图8)。

③出现“重复测量”对话框，将左侧四个变量“T0”、“T30”、“T60”和“T90”选入右侧，则如图9所示。

④在“重复测量”对话框中点击右侧“图”，出现“轮廓图”子对话框，将“时间”选入右侧“水平轴”中，然后点击“添加”，保持选中“折线图”，如图10所示，点击“继续”回到主对话框。

⑤在“重复测量”对话框中点击右侧“EM平均值”，出现“重复测量：估算边际均值”子对话框，将“时间”选入右侧“显示下列各项的均值”列表框中(图11)，勾选下方“比较主效应”，“置信区间调整”下选择“邦弗罗尼”，点击“继续”回到主对话框。

⑥在“重复测量”对话框中点击右侧“选项”，出现“重复测量：选项”子对话框，勾选“描述统计”和“估计效应值”(图12)，点击“继续”回到主对话框后点击“确定”，则得到统计结果。

图13列出了T0、T30、T60、T90四个时间点的浓度均值分别为5.66±0.31、5.55±0.34、5.27±0.23、4.87±0.23 mmol/L。

图14提供了各组的“估算边际均值”、“标准误差”及均值的“95% Confidence Interval (95%CI)”。因为不存在协变量，所以估算边际均值和统计描述均值一致。

图15为“MEASURE_1的估算边际均值”图，绘制了各时间点的生化指标浓度变化情况，可见浓度随着时间的增加而降低。

图16“莫奇来球形度检验”中给出了球形假设检验结果，W=0.252，P=0.061，>0.05，满足球形假设。因此，本案例可以直接采用“单变量检验/主体内效应检验”非校正法的结果。当违背了球形假设条件时，可采用“多变量检验”结果，或者使用单变量检验校正法的结果，包括格林豪斯-盖斯勒、辛-费德特和下线三种校正方法。单变量检验校正法一般建议采用前两种方法，当epsilon (ε)0.75时，使用辛-费德特法。当违背了球形假设条件时，如果单变量和多变量检验结果不一致，以多变量检验结果为准。

图17“单变量检验/主体内效应检验”结果显示，第一行为“球形假定”结果，即当满足球形性假设时采用的结果，自由度为3，均方为3.709，F=116.103，P