Friedman检验可替代单因素重复测量方差分析,多因素重复测量的则不可以。
===
单因素重复测量方差分析,如果不满足正态分布要求该怎么办?除了正态转换外,(方案之一)可以考虑使用非参数替代方案,即Friedman检验,它可以处理多个相关样本的差异分析。
招募了10名研究对象,并进行了6个月的锻炼干预。HR共测量了3次,干预前的HR:HR_1,干预中(3个月):HR_2和干预后(6个月):HR_3。(via医咖会)
我们假设这三次测量的HR数据均不满足正态条件。接下来咱们尝试执行非参数的Friedman检验。(主要示范Friedman检验操作和解读)
菜单:分析→非参数检验→相关样本,检验字段hr1、hr2、hr3。
在新对话框下,Friedman检验可提供事后两两比较。来看结果。
由平均秩次图可以看到从干预前到干预后呈下降趋势。
HR_1、HR_2和HR_3在不同时间点的均值是否存在差异(Z=17.897,P值<0.001)。
一共是重测3次,下面看看两两比较的结果。
成对比较表格底部明确说是经过了Bonferroni 法校正p值,这个非常直接并且很给力,我们就读取这个校正后的P值。
显然,与干预前的hr相比,干预3个月和干预6个月其心率改善有统计学意义(均P<0.05)。
本文完
文/图=数据小兵
录制好的视频课程
永久属于你的视频课程
长期更新维护
一对一解答问题
一边看视频一边答疑解决问题
欢迎关注我,让你身边多一位熟悉统计分析方法的帮手,有以下付费视频或服务可供选购: