SPSS詳細操作:兩因素重復測量的方差分析

一、問題與數據

某研究者擬評估海水淹溺后殘留于肺內的海水是否可導致嚴重的肺損傷，建立動物模型。將12只雜種犬隨機分為兩組，一組海水灌注右肺，另一組海水灌注全肺，每組6只。每只犬分別于海水灌注前以及灌注后5min、30min、60min、120min檢測氧分壓PaO2(kPa)。（案例來自于劉桂芬《醫學統計學》）

試問：

（1）不同灌注處理對肺部氧分壓有何作用？

（2）時間是否也會產生影響？

（3）兩者之間是否存在交互作用？

表1. 海水灌注前后兩組雜種犬的PaO2(kPa)測定結果

二、對數據結構的分析

整個數據資料涉及兩組研究對象，旨在比較兩組灌注部位氧分壓有無差別。與我們以往所知道的完全隨機設計或者隨機區組設計（研究對象被隨機分配到各處理組，觀察各組結局指標一次測量結果）不同，本研究對結局指標（氧分壓）進行了多次測量；另外，每個觀察對象在灌注前以及灌注后5min、30min、60min、120min檢測的氧分壓PaO2(kPa) 是相關的。這就是我們常見的重復測量設計。

由于重復測量時，每個個體的測量結果之間存在一定程度的相關，違背了方差分析數據獨立性的要求，如果仍使用一般的方差分析，將會增加犯I類錯誤的概率，所以重復測量資料有相對應的方差分析方法。

重復測量方差分析要求各時點指標變量滿足球形假設(Sphericity 假設)，通常用Mauchly方法檢驗是否滿足球形假設，若檢驗結果P>0.05，認為滿足；若P<0.05，則不滿足。當資料滿足球形假設時，可直接進行一元方差分析；不滿足時，應以多元方差分析結果為準（圖1）。

圖1. 兩因素重復測量方差分析

三、SPSS分析方法

1. 數據錄入

(1) 變量視圖

(2) 數據視圖

2. 選擇Analyze→General Linear Model→Repeated Measures

3. 選項設置

(1) Within-Subject Factor Name框中輸入“time”，Number of Levels框輸入“5”（這里因為每個研究對象重復測量了5次）→Add→Define

(2) 主對話框設置：將各時間點觀測變量t0-t120放入Within-Subjects Variables(Time)框中→將分組變量group放入Between-Subjects Factor(s)框中。

(3) Model設置：Specify Model默認Full factorial，輸出處理因素和時間的主效應，以及兩者的交互效應檢驗的結果。Sum of squares選擇Type Ⅲ，這里適用于平衡數據，即各組樣本例數相同。對于非平衡數據，選擇Type Ⅳ → Continue。

(4) Plots設置：將time放入Horizontal Axis框，group放入Separate Lines框→ Add → Continue，這里定義橫坐標為time，分組為group，繪制time與group的輪廓圖。

(5) Post Hoc設置：如果group≥3組，可將group放入Post Hoc Tests for框中，勾選恰當的檢驗方法，進行兩兩比較。本案例中僅有兩組，不需要設置→Continue

(6) Options設置：勾選Descriptive statistics，用于不同處理組各個時點指標變量的統計描述→Continue→OK

四、結果解讀

表2.   統計描述

表3.   球形檢驗結果

表4.  組內因素的多元方差分析檢驗結果

表5. 組內因素的一元方差分析檢驗結果

表6.  組間因素的一元方差分析檢驗結果

圖2.  時間與處理因素輪廓圖

（1）組內比較：本案例中球形檢驗結果P=0.022<0.05，數據不滿足球形假設，應以多元方差分析結果為準 ，即表4第1行和第5行（SPSS會給出4種檢驗方法，一般以Pillai's Trace結果為準），同時也可以參考校正后的一元方差分析結果，多推薦Greenhouse-Geisser的校正結果，即表5第2行和第6行。這里time和time*group均有P<0.05，提示各個時點指標變量存在差異，且處理因素對于指標變量的作用會隨著時間的變化而變化（可參考圖2）。

如果這里數據滿足球形假設，可直接進行一元方差分析，無需校正，應采用表5第1行和第5行結果。

（2）組間比較：表6給出處理因素group的方差分析，P<0.001，提示不同灌注部分之間氧分壓存在差異。

五、撰寫結論

不同灌注部位處理的肺部氧分壓差別有統計學意義，全肺灌注的氧分壓低于單肺灌注的氧分壓；灌注海水的時間也有影響，海水灌注后，犬的氧分壓逐漸下降，到灌注后60min達到最低，之后有小幅上升；灌注部位和時間之間存在交互效應，隨灌注時間的延長，單肺灌注與全肺灌注氧分壓下降幅度不同，以全肺灌注組的下降幅度最大。

六、備注

多因素重復測量的方差分析往往存在多個處理因素，這時候需要單獨考慮多個處理因素之間的交互作用，若一個研究有兩個處理因素，即group1和group2，這時SPSS中Model設置先使用默認的Full factorial，會考慮group1*group2交互是否存在，如果交互檢驗不存在統計學意義，需要進一步使用Custom進行自定義，僅考慮group1和group2的主效應（如下圖），并對結果進行相應的解讀。