重复测量方差分析结果解读
一、方法概述
重复测量方差分析（Repeated Measures ANOVA）是一种用于分析同一受试对象在多个时间点或条件下重复观测数据的统计方法。与独立样本方差分析不同，重复测量设计考虑了同一受试对象多次测量之间的相关性，将总变异分解为组间效应（不同处理组之间的差异）、组内效应（不同时间点之间的差异）以及交互效应（组间因素与组内因素的联合作用）三个部分。该方法需要满足球形度假定，即各时间点之间差异的方差相等。当球形度假定不满足时，需采用Greenhouse-Geisser（GG）或Huynh-Feldt（HF）校正方法调整自由度。本分析使用SPSSAU软件完成重复测量方差分析的全部计算与检验过程。
在SPSSAU【实验/医学研究】模块选择【重复测量方差】，将变量拖拽至右侧对应分析框，操作如下图：
二、效应分析结果总览
表1展示了重复测量方差分析的效应分析结果，包括截距、组间因素group、组内因素time以及交互效应group:time四个效应的平方和、自由度、均方、F值、p值及效应量指标。
从表1可知，截距效应高度显著（F=8861.487，p<0.001），偏eta^2=0.994，说明因变量的总体均值显著不为零。组间因素group的主效应不显著（F=0.122，p=0.729>0.05），偏eta^2=0.002，效应量极小，表明两组之间的总体差异无统计学意义。组内因素time的主效应高度显著（F=163.752，p<0.001），偏eta^2=0.759，说明不同时间点之间因变量存在极其显著的差异，且时间因素能够解释因变量75.9%的组内变异，效应量属于大效应。交互效应time x group同样高度显著（F=14.879，p<0.001），偏eta^2=0.222，表明时间因素对因变量的影响模式在两组之间存在显著差异，即两组随时间变化的趋势不同。
三、球形度检验
在进行组内效应分析之前，需要检验球形度假定。球形度检验的原假设为各时间点间差异的方差矩阵满足球形性。表2报告了球形度检验结果。
球形度检验结果显示，time效应的Mauchly W值为0.869，对应的p值为0.213>0.05，不能拒绝球形度假设，表明数据满足球形度假定。group:time交互效应的球形度检验结果相同（W=0.869，p=0.213），同样满足球形度假定。因此，后续组内效应分析可直接使用'满足球形检验'的结果，无需进行GG或HF校正。GG校正系数为0.915，HF校正系数为0.971，均接近1，进一步佐证了球形度假定的合理性。
四、组内效应分析
表3展示了组内效应的详细分析结果，包括满足球形检验、GG校正和HF校正三种情况下的F值、自由度和p值。由于球形度检验通过（p=0.213>0.05），应优先参考'满足球形检验'一栏的结果。
time主效应在三种校正方法下均高度显著（F=163.752，p<0.001），偏eta^2=0.759，表明不同时间点之间因变量的差异极其显著，时间因素解释了因变量75.9%的组内变异。group:time交互效应在三种校正方法下同样高度显著（F=14.879，p<0.001），偏eta^2=0.222，说明两组随时间变化的趋势存在显著差异，交互效应解释了22.2%的组内变异。三种校正方法下的p值均为0.000，结果高度一致，进一步增强了结论的稳健性。
五、事后多重比较
由于time主效应显著且包含4个水平（时间点），需进行事后多重比较以明确各时间点之间的具体差异。表4报告了time因素6对两两比较的结果。
事后多重比较结果显示，time因素的4个时间点之间两两差异均达到极其显著的水平（均p<0.001）。从均值差值来看，时间1到时间4的均值呈现持续递增趋势：时间1与时间2之间的均值差为-3.951，时间2与时间3之间为-3.619，时间3与时间4之间为-4.823。时间1与时间4之间的均值差最大（-12.392，t=-20.415），表明起始时间点与最终时间点之间的差异最为突出。所有比较的t值绝对值均大于5，p值均小于0.001，说明因变量在各时间点之间呈持续且显著的递增趋势，每两个相邻时间点之间均存在统计学意义上的显著差异。
group因素仅有2个水平，事后比较结果显示两组之间的差异不显著（均值差=-0.573，t=-0.349，p=0.729），与主效应分析中group效应不显著的结论一致。
六、简单效应分析
由于交互效应time x group显著，需进一步进行简单效应分析以揭示交互作用的具体模式。表5报告了在time的每个水平上，两组之间的差异比较。
从表5可知，在时间1时，两组之间的差异具有统计学意义（均值差=3.889，t=2.165，p=0.035<0.05），group1的均值显著高于group2。而在时间2（p=0.789）、时间3（p=0.138）和时间4（p=0.104）时，两组之间的差异均不具有统计学意义。这表明两组在起始时间点存在基线差异，但随着时间推移，两组之间的差异逐渐缩小并趋于一致。
表6报告了在group的每个水平上，各时间点之间的两两差异比较。
从表6可以看出，两组在各时间点之间的变化模式存在明显差异。对于group1，时间1与时间2之间的差异不显著（p=0.275），但从时间2开始各时间点之间的差异均达到显著水平（p<0.01），说明group1在时间2之后才开始出现显著变化。对于group2，所有时间点之间的两两差异均极其显著（均p<0.01），且均值差普遍大于group1（如时间1 vs 时间4：group2为-15.830，group1为-8.954），说明group2在各时间点上的变化幅度更大、变化更为剧烈。这一结果与交互效应显著的分析结论一致，两组的时间变化轨迹存在本质差异。
七、效应图分析
图1和图2分别展示了time和group主效应的均值变化趋势。
图1 time主效应均值图
从图1可以看出，因变量的均值随时间呈持续递增趋势，从时间1的约71.4逐步上升至时间4的约83.8。四个时间点之间的递增趋势较为均匀，相邻时间点之间的增幅约为3.5~4.8个单位，与事后多重比较中各时间点两两差异均显著的结果相一致。
图2 group主效应均值图
从图2可以看出，两组的均值非常接近（group1约77.1，group2约77.6），两条线几乎重合，直观反映了group主效应不显著（p=0.729）的结果。两组之间的差异仅为0.573个单位，在实际意义上几乎可以忽略。
图3 time x group交互效应图
图3展示了两组在各时间点上的均值变化趋势。group1从时间1的73.3缓慢上升至时间4的82.3，整体呈平稳递增趋势；group2从时间1的69.4快速上升至时间4的85.3，增速明显快于group1。两条折线呈现非平行趋势，group2的斜率更大，说明group2随时间的增长幅度更大。这种非平行的变化模式正是交互效应显著的直观体现——时间因素对因变量的影响因组别不同而存在差异。
八、描述统计与均值汇总
表7至表9分别报告了time各水平、group各水平以及time与group交叉分组的描述统计结果。
表7显示，因变量均值从时间1的71.381持续上升至时间4的83.773，各时间点标准差在6.4~6.8之间，离散程度较为稳定。
表8显示，两组的总体均值极为接近（77.073 vs 77.646），但group2的标准差（9.442）明显大于group1（6.412），说明group2组内个体间的变异程度更大。
表9的交叉均值进一步揭示了两组的变化差异。在时间1时，group1的均值（73.326）高于group2（69.436），存在约3.89个单位的基线差异。到时间2时，两组均值趋于接近（75.094 vs 75.569），差异几乎消失。到时间3和时间4时，group2的均值反超group1（80.310 vs 77.590；85.267 vs 82.280），且差距逐步扩大。这一变化模式清晰地展示了两组不同的发展轨迹：group1起点较高但增速平缓，group2起点较低但增速更快，最终实现了反超。
九、结论
本研究采用重复测量方差分析探讨了因变量在不同时间点和不同组别之间的差异。主要结论如下：第一，球形度检验通过（W=0.869，p=0.213），满足重复测量方差分析的前提假定。第二，time主效应极其显著（F=163.752，p<0.001，偏eta^2=0.759），因变量随时间呈持续递增趋势，各时间点之间两两差异均显著。第三，group主效应不显著（F=0.122，p=0.729），两组的总体均值无显著差异。第四，time x group交互效应显著（F=14.879，p<0.001，偏eta^2=0.222），简单效应分析表明group2随时间的增长幅度显著大于group1，两组的发展轨迹存在本质差异。建议在实际干预中关注不同组别的动态变化特征，针对group2增速更快的特点制定差异化的策略。