最近复旦大学的一道试题:重复测量资料的组间平均水平比较

xuying

1.某研究者在队列随访研究中，除基线外还随访3次，因此对于每个个体而言，某个效应指标均有基线和3次随访观察结果，该研究者对基线和各次随访时点上，分别用成组t检验比较该观察效应指标的暴露组平均水平与对照组平均水平的差异（假定每组资料近似正态分布，方差齐性）,Alpha=0.05，问：对于各个随访时点和基线，分别用成组t检验比较组间平均水平差异，其结果为P>0.05，问：其结果能否被接纳？为什么？

赵教授的解答：1 该结果可以被接纳。
因为这是经典的重复测量资料的组间平均水平比较，用成组t检验进行组间差异比较，往往会增大第一类错误。但是在假设检验中，只有当在拒绝H0时才可能犯第一类错误。换而言之，对于Alph=0.05时，当P>0.05，不拒绝H0时，不可能犯第一类错误，所以成组t检验的结果可以被接纳。
2 重复测量资料一般可以用Mixed  Model或重复测量的方差分析资料进行分析，在许多教科书中介绍用重复测量的方差分析，但要求球形检验P>0.1，否则需要进行校正。我比较赞成用Mixed Model，因为重复测量的方差分析当有交互作用时，情况比较复杂，对于初学者往往做进一步简单效应检验时出错，所以建议用Mixed Model，并且建议用Stata去分析非常简单。
3 1）原则上是应该用Mixed model或重复测量的方差分析去分析，重复测量资料不独立是指同一对象不同时间点的观察资料不独立，但同一时点的两组资料还是独立的。所以组间比较用t检验存在第一类错误增大的可能，但如果结果是全部不拒绝H0，则不存在发生第一类错误的情况，所以可以接受这种结果。如果用t检验，Alpha＝0.05，结果出现只有一个时点拒绝H0，同样存在拒绝H0是犯第一类错误的可能，并且出现这种可能的概率会远大于0.05，这种结果不能被接受。
2)组间比较不存在相关性的问题，仅仅是多次检验而出现的第一类错误增大，即使用Mixed model分析，首先要检验的H0：各个时间点的两种处理的总体均数差异为0，而不是H0：某个时点的两种处理的总体均数差异为0。如果拒绝H0：各个时间点的两种处理的总体均数差异为0，再考虑进一步检验哪个时点的两组差异有统计学意义。

[ 本帖整理自公卫人论坛 ]

雪中飞

正在困惑中，学习了

风雨

假设检验

Amethyst

受益匪浅！