重复测量资料的统计分析课件.ppt

《重复测量资料的统计分析课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、outlinePartⅠ：Introduction（简介）WhatarerepeatedmeasurementsHowaretheydifferentWhyaretheyimportantPartⅡ：Methods（统计分析方法）RepeatedmeasuresANOVA-GeneralLinearModelmixedeffectsmode1sgeneralizedlinearmodels，GLMs–GEEMultilevelModelsforRepeatedMeasurementData8/17/20211PartⅠ：Introduction重复测量资料(repea

2、tedmeasurements)重复测量资料(repeatedmeasurements)重复测量设计-受试者内设计(within-subjectdesign)是指同一观察对象的某观察指标在相继的不同时间点上进行的多次观察。8/17/20212PartⅠ：Introduction重复测量的数据结构1固定重复时间t1t2t3t4t5t6ID1×××…××ID2×…××××ID3××…×××ID4××××……8/17/20213PartⅠ：Introduction重复测量的数据结构2不固定重复时间ID1t11t12t13t14t15t16ID2t21t22t23t24ID3

3、t31t32ID4t41t42t43t44t45t46···········8/17/20214PartⅠ：Introduction重复测量资料的特点在相继的不同时间点上进行的多次观察不是随机确定的；重复测量值之间具有相关性-即数据是非独立的。独立？！非独立数据？！8/17/20215PartⅠ：Introduction重复测量资料的特点由于重复测量资料不同时点的测量值之间具有相关性，且随机误差分布于不同的层次，其不同于以往我们所熟悉的数据形式－独立数据结构。8/17/20216PartⅠ：Introduction重复测量概念的推广重复测量的概念不仅仅是时间上(tem

4、poral)的，也可以推广到空间(spatial)。例如：同一母鼠所生的仔鼠；同一家庭的不同成员；同一患者的两个不同膝关节；同一肿瘤患者的不同肿块；同一条河流的不同采样点。8/17/20217PartⅠ：Introduction非独立数据(non-independentdata)非独立的数据(non-independentdata)，是指数据中某观察指标(某变量)在个体与个体之间、或同一个体的每次观察间不独立或不完全独立。非独立性的大小可以用组内相关(intra-classcorrelation)来度量。重复测量资料属于非独立数据中的一种。常见的非独立数据：纵向数据（

5、Longitudinaldata）、多中心试验数据、遗传学数据等8/17/20218PartⅠ：Introduction重复测量数据、非独立数据日益重要应用广泛8/17/20219importantRandomizedControlledTrialNon-randomizedControlledTrialCohortStudyCross-sectional,case-controlstudyCaseSeriesCaseReportMostReliableLeastReliable8/17/202110Annualsearchesforkeywordlongitudin

6、alinonlinecitationdatabasesWidelyUse8/17/202111PartⅠ：Introduction重复测量数据、非独立数据组内相关结构等相关(exchangeable,compoundsymmetry)相邻相关(stationary1-dependence)自相关(autocorrelation)非确定相关(unstructured,generalstructure)8/17/202112PartⅠ：Introduction相关结构－1等相关(exchangeable,compoundsymmetry)8/17/202113PartⅠ：

7、Introduction相关结构－2相邻相关(stationary1-dependence)8/17/202114PartⅠ：Introduction相关结构－3自相关(autocorrelation)8/17/202115PartⅠ：Introduction相关结构－4非确定相关(unstructured,generalstructure)8/17/202116PartⅡ：Method传统方法及其弊端对平衡的重复测量资料，分别在各时间点上进行分析。孤立地看待各时点数据，增加I型误差。将各个体的几次不同观察值相加，得到该个体的一个综合值，再进行比较分