1.什么是单因素重复测量方差分析
单因素重复测量方差分析(One-WayRepeatedMeasuresANOVA)是SPSSAU(在线SPSS)中一种常用的统计方法，用于分析同一组受试者在不同时间点或不同条件下对同一变量的测量结果是否存在显著差异。
与独立样本方差分析不同，重复测量方差分析考虑了受试者内变异，适用于以下情况：同一受试者在不同时间点的测量(如治疗前、治疗后1周、治疗后1个月)；同一受试者在不同条件下的测量(如三种不同教学方法下的测试成绩)；配对设计的数据分析
2.实例分析场景
假设我们研究一种新型降压药的效果，测量了15名高血压患者在服药前(基线)、服药后1周和服药后1个月的血压值(收缩压，mmHg)。我们想了解不同时间点的血压是否存在显著差异。
3.SPSSAU(网页SPSS)操作步骤
3.1数据准备
重复测量数据是指同一批样本（病例）在不同的时间点测量了多次数据，因此重复测量数据的特殊之处在于一定会有ID号（即样本或者病例号），以及时间点数据，数据格式如下图。同一个ID会有多个时间点的数据，比如下面有12个样本（12个ID号），并且测量5个时间点。那么就一定会有12*5=60行数据。同一个ID号会重复5次，同一个时间点会重复12次。
3.2分析步骤
登录SPSSAU平台
点击实验/医学研究→重复测量方差
将因变量、组内项和样本ID分别拖拽至右侧相应分析框中
可以设置事后检验方法(如LSD或Bonferroni)
点击开始分析
3.3结果解读
SPSSAU会输出以下重要结果：
球形检验(MauchlysTest)：-如果p0.05，满足球形假设，看满足球形检验结果-如果p≤0.05，不满足球形假设，看不满足球形检验(Greenhouse-Geisser校正)结果
方差分析表：
主要看时间效应的F值和p值
若p0.05，说明不同时间点的血压存在显著差异
3.事后检验结果：
若整体检验显著，可进行两两比较
查看哪些时间点间的差异具有统计学意义
4.效应量(PartialEtaSquared)：
一般0.01为小效应，0.06为中效应，0.14为大效应
4.实例结果分析
假设我们得到以下SPSSAU输出结果：
球形检验：p=0.0670.05，满足球形假设
方差分析表：
F(2,28)=15.73，p0.001
PartialEtaSquared=0.529(大效应)
事后检验(LSD法)：
基线vs1周后：p=0.003
基线vs1月后：p0.001
1周后vs1月后：p=0.021
结论：不同时间点的血压存在显著差异(F=15.73，p0.001)，服药后血压显著低于服药前，1个月后的降压效果优于1周后。
5.注意事项
数据要求：
因变量为连续变量
满足正态性(每个时间点的数据近似正态分布)
满足球形假设(可通过SPSSAU的球形检验判断)
不满足假设时的处理：
不满足正态性：考虑非参数检验(如Friedman检验)
不满足球形假设：使用Greenhouse-Geisser校正结果
缺失数据处理：
重复测量方差分析对缺失数据敏感
少量缺失可使用均值填补或回归填补
大量缺失可能需要使用混合效应模型
6.SPSSAU优势
使用SPSSAU(在线SPSS)进行单因素重复测量方差分析具有以下优势：
操作简单，无需编程
自动进行球形检验并提供校正结果
提供多种事后检验方法选择
结果可视化(如均值变化趋势图)
5.自动生成分析报告和三线表
通过以上实例分析，我们可以看到SPSSAU能够高效、准确地完成单因素重复测量方差分析，并给出专业、易懂的结果解释。