在前面文章中介绍了两因素方差分析(Two-way ANOVA)的假设检验理论，本篇文章将实例演示在SPSS软件中实现两因素方差分析——不存在交互作用时的操作步骤。
关键词：SPSS; 两因素方差分析; 交互作用; 主效应; 单独效应; 简单效应
一、案例介绍
研究A、B两种镇痛药物联合运用在癌症患者的镇痛效果。A药取3个剂量：1.0、2.5、5.0 mg；B药也取3个剂量：5、15、30 μg，共9个处理组。将27名研究对象随机分成9组，每组3名，记录每名对象的镇痛时间Time (min)。试分析A、B两药联合运用的镇痛效果。
创建代表处理因素的变量“Drug_A”和“Drug_B”，测量尺度均设为“名义”，“Drug_A”赋值为“1”、“2”、“3”分别代表1.0、2.5、5.0 mg三个剂量，“Drug_B”赋值为“1”、“2”、“3”分别代表5、15、30 μg三个剂量。创建观察变量“Time”，测量尺度设为“标度”，记录各处理组中每名对象的镇痛时间。为了让输出的结果更清晰，可以在“变量视图”的“值”中对每个赋值代表的内容进行设置，此处不做详细描述。部分数据见图1。本文案例可从“附件下载”处下载。
二、问题分析
本案例的分析目的是分析A、B两药联合运用的镇痛效果。临床上，药物之间联合运用往往会相互影响，这种影响可能为正向的增强效应，也可能为反向的拮抗作用。针对这种情况，可以使用多因素方差分析。由于本案例为药物A和药物B两个因素，因此可以使用两因素方差分析。但需要满足6个条件：
条件1：观察变量唯一，且为连续变量。本研究中观察变量只有镇痛时间，且为连续变量，该条件满足。
条件2：有两个因素，且都为分类变量。本研究中有药物A、药物B两个因素，都为分类变量，该条件满足
条件3：观测值相互独立。本研究中各研究对象的观测值都是独立的，不存在互相干扰的情况，该条件满足。
条件4：观察变量不存在显著的异常值，该条件需要通过软件分析后判断。
条件5：各组、各水平观测值为正态(或近似正态)分布，该条件需要通过软件分析后判断。
条件6：相互比较的各处理水平(组别)的总体方差相等，即方差齐同，该条件需要通过软件分析后判断。
三、软件操作及结果解读
(一) 适用条件判断
1. 生成因变量残差
(1) 软件操作
①选择“分析”—“一般线性模型”—“单变量” (图2)。
②在“单变量”页面中将变量“Time”选入右侧“因变量”框，将变量“Drug_A”和“Drug_B”选入右侧“固定因子”框(图3)。
③点击“保存”，在“单变量：保存”页面中，“残差”下勾选“未标准化的”，其他不变，点击“继续”(图4)，回到主页面后点击“确定”，则会输出结果。
(2) 结果解读
上述操作将可以得到两因素方差分析的结果，并生成新变量。此时暂不看分析结果的输出窗口，而看编辑窗口的“数据视图”(图5)，可见新生成1个变量“RRE_1”，即为因变量残差。
2. 条件4判断(异常值判断)
(1) 软件操作
①选择“图形”—“旧对话框”—“箱图”(图6)。
②在“箱图”页面中选择第二种箱图形式“簇状”，在“图表中的数据为”下选泽“个案组摘要”，然后点击“定义”(图7)。
③在定义成组箱式图的页面中，将变量“RES_1”选入右侧“变量”中，将变量“Drug_A”和“Drug_B”分别选入“类别轴”和“聚类定义依据”中，如图8所示，然后点击“确定”。
(2) 结果解读
图9残差的箱线图未提示任何异常值和极端值，满足条件4。
3. 条件5判断(正态性检验)
两因素方差分析时，可分别考察每一组原始数据的正态性或使用残差考察整体正态性。
(1) 软件操作
①选择“分析”—“描述统计”—“探索”(图10)。
②在“探索”页面中将观察变量“RES_1”选入右侧“因变量列表”框(图11)。
③在“探索”页面中点击右侧“图”，在“图”页面中取消勾选“茎叶图”，勾选“含检验的正态图”，其他不变，点击“继续”(图12)，再点击“探索”页面中“确定”，则会输出结果。
(2) 结果解读
图13显示了两种正态性检验的结果，柯尔莫哥洛夫-斯米诺夫，K-S检验和夏皮罗-威尔克正态性，S-W检验。K-S检验适用于大样本资料，本案查看S-W检验结果，P=0.090>0.05且较为接近0.1，提示整体残差近似服从正态分布。
图14为整体残差正态性检验的Q-Q图，可见散点基本围绕对角线分布，也提示数据服从正态分布。综上，本案例满足条件5。
4. 条件6判断(方差齐性检验)
(1) 软件操作
①选择“分析”—“一般线性模型”—“单变量” (图2)。
②在“单变量”页面中将变量“Time”选入右侧“因变量”框，将变量“Drug_A”和“Drug_B”选入右侧“固定因子”框(图3)。
③在“单变量”页面中点击右侧“选项”后出现“单变量：选项”页面，勾选“齐性检验”(图15)，点击“继续”回到主页面后点击“确定”，则出现检验结果。
(2) 结果解读
图16“误差方差的莱文等同性检验”看表格第一行“基于平均值”的结果，“莱文统计”F=0.304、P=0.955；提示数据总体方差相等。本案例满足条件6。
(二) 统计描述及推断
1. 软件操作
①选择“分析”—“一般线性模型”—“单变量” (图2)。
②在“单变量”页面中将变量“Time”选入右侧“因变量”框，将变量“Drug_A”和“Drug_B”选入右侧“固定因子”框 (图3)。
③在“单变量”页面中点击右侧“图”后出现“单变量：轮廓图”页面，将“Drug_A”和“Drug_B”分别选入右侧“水平轴”和“单独的线条”，点击“添加”(图17)，然后将Drug_A和Drug_B调换顺序分别放入，点击“添加”，选中下方的“折线图”后，点击“继续”(图18)，然后回到主页面。
④在“单变量”页面中点击右侧“Em边际均值”后出现“单变量：估算边际均值”页面，将“Drug_A*Drug_B”选入右侧“显示下列各项的均值”列表框中(图19)，点击“继续”回到主页面。
⑤在“单变量”页面中点击右侧“选项”后出现“单变量：选项”页面，勾选“描述统计”(图20)，点击“继续”回到主页面后点击“确定”，则得到统计结果。
2. 结果解读
(1) 统计描述
图21“描述统计”表格中列出了各组的均值和标准差，可知A药在1.0 mg水平，B药为5、15、30 μg水平时，镇痛时间分别为：79.00±4.00、94.33±2.52、108.67±4.51 min；A药在2.5 mg水平，B药为5、15、30 μg水平时，镇痛时间分别为：90.67±4.16、106.67±4.04、116.67±2.52 min；A药在5.0 mg水平，B药为5、15、30 μg水平时，镇痛时间分别为：108.00±4.58、118.33±5.51、132.00±4.00 min。
图22-1和图22-2的“镇痛时间的估算边际平均值”图绘制了各组镇痛时间的变化情况，可见随着A药浓度的增加，镇痛时间逐渐上升；随着B药浓度的增加，镇痛时间也逐渐上升；并且增加的幅度基本保持一致。
图23提供了各组的“平均值”、“标准误差”及均值的“95% 置信区间”。当不存在协变量时，估算边际均值和统计描述中的均值(图21)一致。
(2) 统计推断
图24“主体间效应检验”显示了对所假设的模型进行方差分析的结果，原假设为模型中所有的影响因素均无作用，即A药、B药、两者的交互作用均对镇痛时间无影响。第一行的“修正模型”即对所假设的模型进行检验的结果，F=46.207，P<0.001，因此所用的模型有统计学意义，以上所提到的影响因素中至少有一个对镇痛时间有影响，但具体是哪些需看后续分析结果。
(3) 交互作用判断
由于本案例有两个因素(一个为A药，另一个为B药)，因此首先需要判断两个药物之间是否存在交互作用。如果交互作用有统计学意义，则需要分析单独效应。
图24第五行是对A药和B药的交互作用的判断，FDrug_A*Drug_B=0.699，P值为0.603，无统计学意义，说明两者不存在交互作用。
(4) 主效应分析
图24第三行是对A药的主效应检验，结果显示FDrug_A=88.162，P<0.001，认为A药不同浓度时，镇痛时间差异有统计学意义。
图24第四行是对B药的主效应检验，结果显示FDrug_B=95.269，P<0.001，认为B药不同浓度时，镇痛时间差异有统计学意义。
(三) 事后检验(两两比较)
以上分析可知A药和B药在不同药物浓度时，镇痛时间差异均有统计学意义的结论，因此需要进行事后检验，开展两两比较。
1. 软件操作
①选择“分析”—“一般线性模型”—“单变量” (图2)。
②在“单变量”页面中将变量“Time”选入右侧“因变量”框，将变量“Drug_A”和“Drug_B”选入右侧“固定因子”框(图3)。
③在“单变量”页面中点击右侧“事后检验”，出现事后多重比较页面，将左侧框中的“Drug_A”和“Drug_B”选入右侧事后检验框中，下方选择多重比较的矫正方法为“邦弗罗尼”(图25)，点击“继续”回到主页面后点击“确定”，则出现检验结果。
2. 结果解读
图26“多重比较”提供了A药不同浓度间两两比较的“平均值差值”、“标准误差”、“显著性”和均值的“95%置信区间”。可知，2.5 mg和5.0 mg与1.0 mg相比，均值差逐渐增大。2.5 mg比1.0 mg时均值增加了10.67 min，至5.0 mg时增加了25.44 min，2.5 mg到5.0 mg时增加了14.778 min。差异均有统计学意义(P<0.001)。表明：随着A药药物浓度的增加，镇痛时间呈上升趋势。
图27“多重比较”提供了B药不同浓度间两两比较的“平均值差值”、“标准误差”、“显著性”和均值的“95%置信区间”。可知，15.0 μg和30.0 μg与5.0 μg相比，均值差逐渐增大。15.0 μg比5.0 μg时均值增加了13.89 min，至30.0 μg时增加了26.56 min，15.0 μg到30.0 μg时增加了12.67 min，差异均有统计学意义(P<0.001)。表明：随着B药药物浓度的增加，镇痛时间呈上升趋势。
四、结论
本研究采用两因素方差分析探讨A、B两种镇痛药物联合运用在癌症患者的镇痛效果。通过对模型残差绘制箱线图提示，数据不存在异常值；通过Shapiro-Wilk检验，提示残差服从正态分布；通过Levene’s检验，提示数据总体方差相等；两药物之间无交互作用(FDrug_A*Drug_B=0.699，P=0.603)，故进行主效应分析。
药物A在1.0 mg水平，药物B为5、15、30 μg水平时，镇痛时间分别为：79.00±4.00、94.33±2.52、108.67±4.51 min；药物A在2.5 mg水平，药物B为5、15、30 μg水平时，镇痛时间分别为：90.67±4.16、106.67±4.04、116.67±2.52 min；药物A在5.0 mg水平，药物B为5、15、30 μg水平时，镇痛时间分别为：108.00±4.58、118.33±5.51、132.00±4.00 min。药物A的主效应检验结果为，FDrug_A=88.162，P<0.001，认为不同药物浓度时，镇痛时间差异有统计学意义。药物B的主效应检验结果为，FDrug_B=95.269，P<0.001，认为不同药物浓度时，镇痛时间差异有统计学意义。进一步采用“Bonferroni”校正法进行两两比较可知，药物A 2.5 mg和5.0 mg与1.0 mg相比，均值差逐渐增大，差异均有统计学意义(P<0.001)；表明：随着药物A物浓度的增加，镇痛时间呈上升趋势。药物B 15.0 μg和30.0 μg与5.0 μg相比，均值差逐渐增大，差异均有统计学意义(P<0.001)。表明：随着药物B物浓度的增加，镇痛时间呈上升趋势。综上可知，不同剂量药物A的镇痛效果不同，不同剂量药物B的镇痛效果不同，A、B两种药物不存在交互作用。
五、分析小技巧
- 正态性检验：两因素或多因素方差分析时，有两种选择来测试正态性：如果每组有较多观察数，且组别较少时，可使用原始数据检查每个组的正态性。如果有很多组，或每个组的观察数很少，可使用残差检查整体的正态性。关于正态性检验的注意事项详见文章(医学统计学核心概念及重要假设检验的软件实现(2/4)——正态性假设检验的SPSS实现)。
- 交互作用判断：两因素方差分析时，需要首先判断两个因素之间是否存在交互作用。如果交互作用有统计学意义，则需要分析单独效应。此时，单纯研究某个因素的作用并无意义，应分别探讨另一个因素不同水平时对该因素的作用。当不存在交互作用时，说明两因素的作用彼此独立，逐一分析各因素的主效应即可；计算主效应时，在模型中仍需要保留交互项。