分享SPSS統計分析方法，使科學研究更容易。
同步更新-（微信公眾號：體育統計交流平臺。抖音號：遊老師ATP）
重複測量方差分析適用於：對一個因變量（連續變量）進行了多次測量，希望發現其在不同時間（或條件）上的變化規律。同時還可以分析自變量（離散變量）、協變量等對這種變化產生的影響。
採用一個科研案例來介紹：
長期練習廣場舞、氣排球、太極拳對普通大學生心率變化的影響
1實驗設計：選取健康普通男性大學生，分為三組：廣場舞組，氣排球，太極拳。三組學生每週練習各自的運動項目，每週練習2次，每次90分鐘。練習三個月後，測試受試者運動前HR、運動中HR、運動後1分鐘HR、運動後3分鐘HR、運動後7分鐘HR、運動後10分鐘HR。
實驗測試時的運動內容為各自的運動項目，時間為5分鐘。
自變量：運動項目；重測因素（因變量）：6次測量的心率。
2部分原始數據
圖1
3 SPSS步驟
1）分析-一般線性模型-重複測量
圖2
2）“主體內因子名”中輸入“HR”，“級別數”輸入6（因為HR共測量了6次）。點擊“添加”，生成重測變量“HR”。
點擊“定義”。
圖3
3）把“HR1-HR6”放到“主體內變量”列表，需要一一對應。把“運動項目”放到“主體間因子”。
圖4
4）點擊圖4中的“圖”。
把“HR”選入“水平軸”，“運動項目”選手“單獨的線條”。點擊“添加”，“繼續”。
圖5
5）點擊圖4中的選項。
勾選“描述統計”、“齊性檢驗”。點擊“繼續”，返回圖4後點擊“確定”，呈現結果。
圖6
4 SPSS主要結果
1）球形度檢驗
結果判斷方法：顯著性P＞0.05時，接受“球對稱假設”；P≤0.05時，拒絕“球對稱假設”。
圖7
目前P＜0.05，拒絕“球對稱假設”，需要採用“球對稱”係數（經常選“格林豪斯-蓋斯勒”）對結果進行校正。
2）方差分析
由於拒絕“球對稱假設”，所以主要看校正後的結果（藍色）。
圖8
HR與運動項目的交互作用具有統計學意義（P＜0.05），說明三組大學生的心率變化不一致。
3）輪廓圖
圖9
結合圖8的方差分析結果，以及圖9的輪廓圖可以判斷結果：
長期練習廣場舞的大學生，運動中心率比氣排球、太極拳低，運動後1-7分鐘恢復的也更快，表現為更好的心血管功能。
說明：1）重測因素“HR”和自變量“運動項目”的主效應都具有統計學意義（P＜0.05）。後者的統計結果沒有貼出來。這方面讀者可以自行理解。
2）如果能夠結合重測因素“HR”不同水平的單獨效應分析判斷結果，會更好。結果太繁瑣，不再展示。給出需要增加的程序，感興趣的朋友可以運行查看：
/EMMEANS=TABLES(運動項目*HR)COMPARE(運動項目)ADJ(LSD)
3）重複測量方差分析還涉及到存在協變量、多個“重測因素”、多個自變量等較為複雜的情況。後續再繼續分享。
閱讀更多 科研與統計 的文章
