重复测量分析选项卡：双因素方差分析

两种分析重复测量数据的方法

Prism可以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。即使存在一些缺失值，这种分析也能很好地工作。当然，只有当值因随机原因而丢失时，结果才有意义。例如，如果这些值因为参与者病得很重而丢失，或者这些值太高而无法测量(或太低而无法测量)，那么这些结果将没有帮助或意义。只有当处理方法或时间点与某些值缺失的原因之间没有关联时，用缺失值拟合混合模型才有意义
  

[size=14.6667px]

一般来说，拟合混合效应模型是一种更通用的方法。正如在Prism中实现的那样，当没有缺失值时，两者是完全等价的。但是混合效应模型方法也可以对缺失值的数据进行拟合。

用哪种方法分析

ANOVA对话框的重复测量选项卡(对于单向，双向和三向数据相同)为您提供三个选择：

• 总是使用重复测量方差分析。如果缺少值，则不会报告结果。这与Prism 7和更早的版本所做的相匹配。旧版本的Prism“不够聪明”，无法删除具有缺失值的参与者的所有数据，但您可以排除所有这些值并重新运行ANOVA。
• 总是适合混合效应模型。这将使所有的分析是一致的，无论是否有缺失的值。如果没有缺失值，关键结果将与重复测量方差分析相同，但结果将以不熟悉重复测量方差分析的格式呈现。
• 只有当存在缺失值时，当重复测量方差分析不可能时，才报告混合效应模型的拟合。当没有缺失值时，报告熟悉的重复测量方差分析结果。
  

[size=14.6667px]

当随机因子为零或为负时，如何拟合混合效应模型

重复测量或混合模型分析的全部意义在于，当个体匹配(twins or litters)时，您对同一受试者有多个反应测量，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。混合模型分析通过估计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，只有一个变量是重复的，您的研究中特定数据的相关性可能是零甚至是负的(当然，方差不可能是负的，但在混合效应模型中可能会发生)。当这种情况发生时，您有两个选择Prism应该做什么：

• 像往常一样分析。如果没有缺失值，这将匹配重复测量方差分析。
• 从模型中删除主题因素并进行改装。这种方法将有更多的自由度，因此有更多的权力。这种方法更好，但意味着混合模型结果可能与重复测量ANOVA结果不匹配。
  

[size=14.6667px]

在更复杂的模型中，有多个重复测量变量，甚至有更多可能的方差估计(通常与受试者相互作用)，其中任何一个都可能是零或负的。最好把它们拿出来，因为留在里面会使结果不稳定。

用于未来分析的默认值

选中Repeated Measures选项卡底部的一个选项，使您的选择成为将来分析的默认值。您的默认值将适用于单向、双向和三元方差分析。

因子名称选项卡：双向方差分析

因子名称

为这两个因素输入描述性名称将使您更容易解释结果。

如果这两行分别被标记为“男性”和“女性”，请输入“Sex”或“Gender”作为行因子的名称。如果两个列分别标记为Control和treating，则输入“Treatment”作为列因子的名称。

如果您有重复测量，您可以将重复测量块的名称从“subject”更改为“litter”或“experiment”或任何您想要的名称。

多重比较选项卡：双因素方差分析

为双因素方差分析选择多重比较并不简单。在学习了双因素方差分析之后，谨慎地做出这个选择。考虑寻求帮助。

有哪种比较？

这是最重要的决定。您需要选择一个与您的科学目标相匹配的多重比较方案。

比较的选择取决于数据集中的行数和列数。

将每个单元格平均值与该行中的其他单元格平均值进行比较。

这是Prism早期版本的唯一选择，可能是最有用的多重比较。只有在只有两列的情况下，这个选择才可用。因此，对于每行，有两个单元格平均值，Prism将对它们进行比较。

将每个单元格的平均值与该列中的其他平均值进行比较

只有在恰好有两行的情况下，这个选择才可用。

简单的效应：在每行中，比较列

只有当您有三列或更多列的数据时，这个选择才可用。在每行中，Prism对单元格平均值进行多次比较。

对于每一行，比较一列与另一列的并排重复的平均值。这只有在有三个或更多列时才有意义，因此只有在有三个或更多列时才有选择。您必须决定每行是否成为它自己的比较族，或者是否将所有比较定义为一个族。

简单的效应：在每列中，比较行

在每一列中，比较一行相邻复制的平均值与其他行的平均值。此选项仅在有三行或更多行时可用。您必须决定每个列是否成为它自己的比较族，或者是否将所有比较定义为一个族。

主列效应

主列效应的检验包括计算每个数据集列的均值，并比较这些均值。只有当数据在三个或更多数据集列中时，这才有意义(因此选择是可用的)。如果您的数据表只有两个数据集列，那么主要的ANOVA计算将给出定义列的变量的影响的P值，并且没有对列效应进行多重比较测试是有意义的。

主行效应

主行效应的检验包括计算每行的平均值，然后比较这些平均值。只有当有三行或更多行时，这个选择才有意义。如果您的数据表只有两行，那么主要的ANOVA计算将给出定义行的变量的影响的P值，并且没有对行影响的多重比较测试是有意义的。

比较单元格意味着无论行和列

将每个单元格均值与其他单元格均值进行比较，不关注每个单元格均值属于哪一行或哪一列。当一个因素是重复测量时，这个选择是不可用的，但是当两个因素都是重复测量时，这个选择是可用的。

将单元格均值与该行和列中的其他均值进行比较

将每个单元格均值与该行和列中的其他单元格均值进行比较。这结合了另外两种选择中的比较(每行内比较列，每行内比较行)。

有多少个比较？

您想比较(集合中的)每个均值与其他均值吗?还是只将每个平均值与控制平均值进行比较?后一种方法需要较少的比较，因此更强大。选择应该基于实验设计和您提出的科学问题。

第三个选项可用于某些多重比较方法，它允许您比较预先选择的单元格对的平均值。此选项适用于：

• 比较行均值(主行效应)
• 比较列均值(主列效应)
• 比较单元格意味着无论行和列
  

[size=14.6667px]

选择此选项时，还需要定义希望进行的特定比较。首先点击“Select...”按钮

在出现的对话框中，您将指定定义您感兴趣的比较的行/列。请注意，Prism将自动从这些下拉菜单中筛选您已经选择的或没有意义的选项(例如，您不能将单元格与其本身进行比较!)