分析重复测量数据的两种方法

Prism 可以用两种方法分析重复测量数据：

•重复测量方差分析

•拟合混合效应模型。即使存在一些缺失值，这种分析也能正常工作。当然，只有当数值因随机原因缺失时，结果才有意义。本示例中，如果缺失值是因为那些参与者病得很重，或者那些值太高而无法测量（或太低而无法测量），那么这些结果就不会有帮助或意义。只有当治疗或时间点与某些值缺失的原因之间的关联为零时，拟合缺失值的混合模型才有意义。

一般来说，拟合混合效应模型是一种通用性更强的方法。正如在 Prism 8 中实现的那样，当没有缺失值时，两者完全等价。但混合效应模型法也可以拟合有缺失值的数据。

使用哪种方法进行分析

单向、双向和三向方差分析对话框（单向、双向和三向方差分析数据相同）的重复测量方差分析选项卡为您提供了三种选择：

•始终使用重复测量方差分析。如果存在缺失值，则不会报告结果。这与 Prism 7 及更早版本的做法一致。Prism 还不够 "聪明"，无法删除缺失值参与者的所有数据，但您可以排除所有这些值，然后重新运行方差分析。

•始终拟合混合效应模型。这将使所有分析保持一致，无论是否存在缺失值。如果没有缺失值，主要结果将与重复测量方差分析相同，但结果的显示格式与重复测量方差分析的格式不同。

•只有在有缺失值时，即不可能进行重复测量方差分析时，才报告混合效应模型的拟合值。如果没有缺失值，则报告我们熟悉的重复测量方差分析结果。

如何拟合任何随机因素为零或负值的混合效应模型

重复测量或混合模型分析的全部意义在于，您对同一受试者或个体配对（双胞胎或一窝）时有多个反应测量，因此需要考虑同一受试者的多个反应之间的任何相关性。混合模型分析通过估计受试者之间的方差来实现这一目的。在简单的混合模型中，只有一个变量是重复的，对于您研究中的特定数据来说，这种相关性有可能是零，甚至是负的（当然，变异性不可能是负的，但在混合效应模型中可能会发生）。在这种情况下，Prism 会给您两种选择：

-照常分析。如果没有缺失值，这将与重复测量方差分析相匹配。

-从模型中移除受试者因子并重新拟合。这种方法会多出一个自由度，因此检验力更强一些。这种方法比较好，但意味着混合模型结果可能与重复测量方差分析结果不一致。

在更复杂的模型中，重复测量变量不止一个，可能的变异性估计值就更多了（一般是与受试者的交互作用），其中任何一个都可能变成零或负值。最好去掉这些变量，因为保留这些变量会使结果不稳定。

未来分析的默认值

选中重复测量选项卡底部的一个选项，使您的选择成为未来分析的默认值。您的默认值将适用于单向、双向和三向方差分析。