Please enable JavaScript to view this site.

两种分析重复测量数据的方式

Prism可通过两种方式分析重复测量数据:

重复测量方差分析

拟合混合效应模型。即使有一些缺失值,此类分析工作也能正常进行。当然,仅当这些值由于随机原因而缺失时,结果才有意义。例如,如果这些值由于那些参与者病重而缺失,或那些值过高而无法测量(或过低而无法测量)时,这些结果没有帮助或意义。仅当治疗或时间点与某些值缺失的原因之间为零相关时,使用缺失值拟合一个混合模型才有意义。

在一般情况下,拟合混合效应模型是一种更通用的方法。正如在Prism 8中实现的那样,当不存在缺失值时,这两者完全对等。但混合效应模型方法也可拟合配有缺失值的数据。

使用哪种方法分析

方差分析对话框的“重复测量”选项卡(对于单因素、双因素和三因素数据来说是相同的)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,将不会报告任何结果。这与Prism 7和更早的版本相匹配。Prism并未“足够智能”以删除具有缺失值的参与者的所有数据,但您可排除所有这些值并重新运行方差分析。

始终拟合混合效应模型。这将使所有分析保持一致,无论是否有缺失值。如果没有缺失值,则关键结果将与重复测量方差分析相同,但结果将以与那些用于重复测量方差分析不熟悉的格式呈现。

仅当存在缺失值,不可能进行重复测量方差分析时,才报告拟合一个混合效应模型。不存在缺失值时,报告熟悉的重复测量方差分析结果。

如何拟合混合效应模型任何随机因素为零或为负数

重复测量或混合模型分析的重点是,您对同一受试者或个体匹配时(双胞胎或多胞胎),具有多个反应测量,因此需要考虑来自同一受试者的多个反应之间的任何相关性。混合模型分析通过评估受试者之间的差异来做到这一点。在一个简单的混合模型中,其中只有一个变量被重复,您的研究中特定数据的这一相关性有可能为零甚至为负数(当然,方差不可能为负数,但其可能发生在混合效应模型中)。当发生这种情况时,给予您Prism应做什么的两个选择:

•照常分析。如果没有缺失值,则这将匹配重复测量方差分析。

•从模型中移除受试者因素并重新安装。该方法将会有更多的自由度,因此会有更多的能力。该方法更好,但意味着混合模型结果可能不匹配重复测量方差分析结果。

在更为复杂的模型中,其中有一个以上的重复测量变量,甚至有更多可能的方差估计(通常是与受试者的交互作用),且这些变量中的任何一个均有可能为零或负数。最好将这些拿出来,因为把它们留在其中会使结果不稳定。

未来分析的默认值

选中“重复测量”选项卡底部选项,以使您的选择成为未来分析的默认选项。您的默认选项将适用于单因素、双因素和三因素方差分析。

© 1995-2019 GraphPad Software, LLC. All rights reserved.