简单来说，方差分析的目的在于检验多个样本均数间的差异是否有统计学意义。那么方差分析，您真的用对了么?为了进行细致比较，研究者有时会对同一受试者的某一指标进行多次测量，以反映该指标的真实意义。那么在这种情况下，当多次测量的数据来自于同一个体，这些数据之间很可能存在相关性，这时候，不能认为每一个数值均来自独立样本，故不能采用常规的单变量/多变量方差分析。

　　下面我们来通过一个非常简单的例子来理解重复测量资料：欲研究糖尿病患者不同时间点血糖水平是否与正常人有差异，同一个体不同时间点的血糖水平是否有差异。通过测量得到如下数据。

　　                                                                受试者血糖浓度(mmol/L)

 

　　如此一组数据，大家会选用何种统计分析方法呢?

　　显然，这是对同一受试对象在不同时间点上进行多次测量所得到的资料，可用来分析观察指标在不同时间点上的变化。这样的数据称为重复数据。如上表所示，每一行的数据均来自同一受试对象，多次测量结果之间可能存在相关性，故不能采用单变量方差分析或多变量方差分析，而需应用重复测量方差分析。

　　重复测量方差分析用SPSS软件即可实现。设置变量后进行常规数据录入，下一步，进行分析操作：

　　1.选择“分析”——“一般线性模型”—— “重复测量”菜单项。

　　2.“被试内因子名称”文本框，将默认的名称“因子1”改为此处的测量内容“血糖”，“级别数”代表重复测量的次数，此处为4，点击“添加”，完成内因子的定义(所谓内因子，是指组内因素，即对同一个体相同变量的不同次测量结果被视为一组)。

 

　　3.接下来，出现重复测量方差分析的主对话框，如下图。由于多次测量而出现多个因变量，我们需要在%20“主体内部变量”中进行设定。而因子列表则相当于自变量，即分组变量group。

 

　　4. 在“模型”按钮中定义需输出的结果，若考虑分组、时间变量以及两者的交互作用，则默认：全因子。在“选项”中选择输出“描述统计”，因为各组统计描述值是必不可少的。

 

　　如此，重复测量方差分析的操作完成!在结果判读中需要指出的是：首先查看Mauchly球形度检验结果P值，如果P>0.05(也有人说是P>0.1)，认为资料符合球形假设，说明多次测量结果之间不存在相关性，直接采用一元分析结果(Test of Within-Subject Effect)中的非校正结果;反之，则需要采用多变量检验(Multivariate Test)，也可以用一元分析结果中的校正后结果。