关键词:SPSS; 重复测量; 重复测量资料; 单因素计量资料; 广义估计方程; GEE; 交互作用; 主效应; 单独效应
一、案例介绍
使用单因素重复测量方差分析(One-Way Repeated Measures ANOVA)——SPSS软件实现一文案例。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 min(T0)、30 min(T30)、60 min(T60)和90 min(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?
广义估计方程需要使用长型格式数据,部分数据见图1所示。“ID”为血标本编号,time是测量的不同时点T0、T30、T60和T90,浓度为相应时间点测的的生化指标浓度。本案例数据可从“附件下载”处下载。若数据为宽型格式,需要将其转换为长型格式,具体操作见长宽型数据转换。
二、问题分析
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,可以使用广义估计方程进行数据分析。
三、软件操作及结果解读
(一) 软件操作
【模块调取】选择“分析”—“广义线性模型”—“广义估算方程”(图2)
【“重复”模块设置】在“广义估算方程”对话框“重复”模块(图3)中,将识别个体的变量“ID”选入右侧“主体变量”,将表示重复测量的变量“时间”选入“主体内变量”,“工作相关性矩阵”选择默认“自变量(正确翻译为:独立无相关)”,勾选“按非冗余参数的数目调整估计量”。
【“模型类型”模块设置】在“广义估算方程”对话框“模型类型”模块(图4)中,因为因变量是计量资料,所以选择“标度响应”下的“线性”。
【“响应”(因变量)模块设置】在“广义估算方程”对话框“响应”模块(图5)中,将“浓度”选入“因变量”。
【“预测变量”(自变量)模块设置】在“广义估算方程”对话框“预测变量”模块(图6)中,将“时间”选入“因子”。点击“选项”,打开“选项”子对话框(图7),“因子的类别顺序”下选择“降序”,表示以自变量的第一个水平为参照计算相关参数和效应量;如果选择“升序”,则是以自变量的最后一个水平为参照计算相关参数和效应量。
【“模型”模块设置】在“广义估算方程”对话框“模型”模块(图8)中,将time的主效应项选入右侧“模型”。
【“统计”模块设置】在“广义估算方程”对话框“统计”模块(图9)中,补充勾选“包括指数参数估算值”,可计算OR、RR等效应量(图9)。
【“EM平均值”(边际估算均值)模块设置】在“广义估算方程”对话框“EM平均值”模块(图10)中,将左侧“因子和交互”下的“time”选入右侧“显示下列各项的平均值”,在“对比”下选择“成对”,左下角“多重比较调整”下选择“邦弗伦尼”。
所有模块设置完成后,点击主对话框的“确定”即可。
(二) 结果解读
1. 统计描述
统计描述结果见图11,提供了各组的估算边际均值、标准误差及均值的95%置信区间。因为不存在协变量,所以估算边际均值实际数据均值完全一致。
2. 模型摘要
“模型信息”结果(图12)显示,本次分析关联函数为“恒等式”,工作相关性矩阵结构为“自变量(正确翻译为:独立无相关)”。
3. 模型拟合评价
“拟合优度”结果(图13)提供了QIC值和QICC值,表示模型的拟合优度,越小越好,可用于不同作业相关矩阵的分析结果比较。
“模型效应检验”结果(图14)提示“时间”的wald χ2=257.605,P<0.001,有统计学意义,表示不同测量时间点的生化指标浓度不同。
4. 参数估计
“参数估计”结果(图15)列出了各次测量与第一次测量相比的系数及统计学推断结果,可见各个时间点与第一次测量相比差异均有统计学意义(P<0.001)。如T30检测结果比T0低0.108,T60检测结果比T0低0.387,T90检测结果比T0低0.788。
5. 两两比较
“成对比较”结果(图16)提供了各时间点两两比较的“平均值差值”“标准误差”“显著性(校正P值)”和“差值的95%置信区间”。可知,随着时间的延长,各时刻与T0时刻相比,均数差逐渐增大,且均有统计学意义(P<0.05)。
四、结论
本研究采用广义估计方程分析判断4个时间点的生化指标浓度是否有差异。结果显示,不同测量时间点的生化指标浓度差异有统计学意义(P<0.001)。各个时间点与第一次测量相比差异均有统计学意义(P<0.001),随着放置时间越长,生化指标浓度越低。T30检测结果比T0低0.108,T60检测结果比T0低0.387,T90检测结果比T0低0.788。
综上可知,放置时间对该生化指标检测结果具有较大的影响。本例分析结果和单因素重复测量方差分析(One-Way Repeated Measures ANOVA)——SPSS软件实现一致。