Repeated measure

ANOVA
( 重複測量變異數分析 )
1. 前言 7. 兩個受試者內因子的範例
2. 資料排列 7.1 列出描述性統計量及劃剖面圖
2.1 單一個受試者內因子的設計 7.2 多變量方法
2.2 兩個受試者內因子的設計 7.3 單變量方法
2.3 一個受試者內因子、 7.4 SPSS 步驟
一個受試者間因子的設計 8. 一個受試者內因子、
3. 剖面圖（交互作用、主效應） 一個受試者間因子的範例
4. 變異數為球型的前提假設 8.1 列出描述性統計量及劃剖面圖
5. 計算 8.2 多變量方法
5.1 多變量方法 8.3 單變量方法
5.2 單變量方法 8.4 SPSS 步驟
6. 單一個受試者內因子的範例
6.1 列出描述性統計量及劃剖面圖
6.2 多變量方法
6.3 單變量方法
6.4 SPSS 步驟
1. 前言
 重複測量實驗是指受試者（ subject ）重複參與一因
子（ factor ）內每一層次（ level ）。即重複測量實
驗的數據違反了一般變異數分析的個案數值獨立的要
求，所以需要一些新的統計檢定方法，能解決個案數
值非獨立的問題－重複測量變異數分析。
 重複測量變異數分析的優點：需要的受試者人數較少
；殘差的變異數降低，使得 F 檢定值較大，所以統計
檢力較大。注意重複測量變異數分析不適合有練習效
應（ practice effect ）或持續效應（ carryover
effect ）的情況。
2. 資料排列
 建議先列出資料的排列（ layout ），以便瞭解因
子的屬性（受試者內或間因子）。同一受試者重
複參與一因子內每一層次的測量，此因子便稱為
受試者內因子（ within factor ）。受試者內因
子通常是研究者可操控的因子，如時間。受試者
沒有參與因子內每一層次，此因子稱為受試者間
因子（ between factor ）。受試者間因子通常
是研究者不可操控的因子，如個案的性別、年齡。
2.1 單一個受試者內因子的設計
 設 A 為受試者內的因子（ within factor ），有
3 層次。即同一受試者會在 A1 、 A2 、 A3 重複
測量 Y （依變數）。資料排列如下：
2.2 兩個受試者內因子的設計
 設 A 為受試者內的因子（ within factor ），有
2 層次； B 為受試者內的因子（ within
factor ），有 3 層次。即同一受試者會在
A1B1 、 A1B2 、 A1B3 、 A2B1 、 A2B2 、 A
2B3 重複測量 Y 。資料排列如下：
2.3 一個受試者內因子、一個受試
者
間因子的設計
 設 A 為受試者間的因子（ between factor ），
有 2 層次； B 為受試者內的因子（ within
factor ），有 3 層次。兩群人（ A1 、 A2 ）在
B1 、 B2 、 B3 重複測量 Y 。資料排列如下：
3. 剖面圖（交互作用、主效
應）
 當分析的因子在 2 個或以上時，建議劃剖面圖以
瞭解因子間對依變數 Y 的影響。包括：交互作用
的顯著性， 主效應的詮釋。

有交互作用（ a ， b ）及沒有交互作用（ c ， d ）的剖面

4. 變異數為球型的前提假設
 重複測量變異數分析的前提假設（ statistical
assumption ）為相同受試者內因子的不同層次
間 Y 差異值的變異數相同，此前提假設稱為球型
假設（ assumption of sphericity ）。例如：
受試者內因子 A 有 3 個層次，分別為
A1 、 A2 、 A3 ，則球型假設是指 A1-
A2 、 A1-A3 、 A2-A3 的變異數相同。
5. 計算
 可採用多變量方法（ multivariate approach ）
或單變量方法（ univariate approach ）來執行
重複測量變異數分析。應注意不同統計軟體對數
據輸入的要求。
5.1 多變量方法
 多變量方法的優點是不要求數據符合球型假設。
Pillai’s Trace, Wilks’ Lambda, Hotelling’s
Trace, Roy’s Largest Root 均是採多變量方法
計算得到統計檢定量。本章不詳細介紹其計算方
法，直接從統計軟體獲得。
5.2 單變量方法
 單變量方法的重複測量變異數分析採用的演算法
（ algorithm ）與非重複變異數分析採用的演算法很
類似。將總平方和（ sum of square of total,
SST ）分解（ partition ）為組間平方和（ sum of
square of between, SSB ）及組內平方和（ sum
of square of within, SSW ）。組間及組內平方和分
別除以其對應的自由度，便得到平均平方和（ mean
square, MS ）。要注意的是執行重複測量變異數分
析時，使用合適的殘差平均平方和（ mean square
of error, MSE ）作為 F 檢定的分母來計算 F 檢定，
以測驗特定的虛無假說（ null hypothesis, H0 ）。
 單變量方法的重複測量變異數分析要求數據符合球型假設。
可採用 Mauchly 球型檢定來測驗待分析的數據是否符合球型
假設。如果符合，則 F 檢定不需要作校正。如果不符合， F
檢定需要作校正。當球型假設不符合時， F 檢定應以 epsilon
作校正。包括 Greenhouse-Geisser (G-G) 及 Huynh-
Feldt (H-F) 值，又建議採用 H-F 值來校正 F 檢定。
 當 F 檢定達統計顯著意義時，可採用多重比較（ multiple
comparison ）找出哪些地方有差異。當受試者內因子或交
互作用有顯著意義，很多統計軟體並不提供多重比較的計算。
可自行使用非重複變異數分析的多重比較方法，其中 MSE 的
選擇應特別注意，是使用對應 F 檢定中的分母作 MSE ，得到
的多重比較結果才正確。
6. 單一個受試者內因子的範例
 對 9 位受試者重複測量三種不同姿勢下的手肘彎
曲肌力，資料如下：
X1 、 X2 、 X3=
pronation 、 neutral 、 supination forearm
position 的手肘彎曲肌力
6.1 列出描述性統計量及劃剖面
圖

 顯示似乎姿勢在 pronation 時手肘彎曲肌力最

小， neutral 、 supination 時手肘彎曲肌力較大，且
相近。
6.2 多變量方法

 顯示三種不同姿勢下的手臂彎曲肌力有顯著統計
差異（ p=.000 ）。
6.3 單變量方法
 (1) 球型檢定

 顯示球型假設符合（ p=.239 ），不需要對 F 作

修正。
 (2) 分解總變異量
 (3) 變異量分析表

 顯示三種不同姿勢下的手臂彎曲肌力有顯著統計
差異（ p=.000 ）。
 (4) 多重比較

由於 3 個姿勢都會比較，所以，採用 Tukey
HSD 法。
α ＝ 0.05; df ＝ (n-1)(k-1) ＝ 16 ； k=3 ； q*.05,16,3 ＝
3.65 ( 查表 ) ； MSE ＝ 7.32
 即 pronation 時手肘彎曲肌力與 neutral 、 supination
時手肘彎曲肌力有顯著差異， neutral 、 supination 時
手肘彎曲肌力沒有顯著差異。
6.4 SPSS 步驟
 (1) 輸入資料或開啟舊檔（ ranova1.sav ）
 (2) 點選步驟
步驟 1 ：「分析」→「一般線性模式」→「重複
量數」
步驟 2 ：設定受試者內因子（ within factor ）
的名稱，水準個數（即層次數）。
【重複量數定義因子】對話方塊：鍵入「受試者內因子的
名稱」及「水準個數」→「新增」→「定義」。
步驟 3 ：將已設定之受試者內變數（ within
factor ）與已鍵入變數作連結
【重複量數】對話方塊，選變數 x1 、 x2 、 x3→ 至
「受試者內變數」方塊內→按「圖形」。
步驟 4 ：【重複量數：剖面圖】對話方塊：選入
「水平軸」之變數→「新增」→「繼續」。
步驟 5 ：【重複量數】對話方塊：選「選項」。
步驟 6 ：列出敘述統計及進行多重比較
【重複量數：選項】對話方塊→選在「因子與因子交互作
用」方塊內的變數→ 至「顯示平均數（ M ）」之方格
內→勾「敘述統計」→按「繼續」。
步驟 7 ：【重複量數】對話方塊→「確定」。
7. 兩個受試者內因子的範例
 請 8 位受試者吃糖果， 20 分鐘後開始嚼無糖口香
（ S= 標準或 B=Sodium bicarbonate ） 10 分鐘
，測量吃糖果 20 、 30 、 50 分鐘時口腔的酸鹼值
（ pH ），資料如下：。

 S20 、 S30 、 S50= 標準型無糖口香糖組在 20 、 30 、 50 分鐘的口腔 pH 。

 B20 、 B30 、 B50=sodium bicarbonate 無糖口香糖組在 20 、 30 、 50 分鐘
的口腔 pH 。
7.1 列出描述性統計量及劃剖面
圖

 TYPE=1 為標準型無糖口香糖； TYPE=2 為

sodium bicarbonate 無糖口香糖。
 兩條個別線為非平行，暗示無糖口香糖的類型與咀嚼
時間對口腔 pH 值的影響可能有交互作用。吃糖果
20 分鐘後，口腔的 pH 值約為 4.4 ，呈弱酸性，兩
組沒有差異。吃糖果 30 分鐘後（即嚼無糖口香糖
10 分鐘），兩組口腔的 pH 值均上升， sodium
bicarbonate 組上升較高，口腔的 pH 值為 6.2 ，接
近中性；而標準型無糖口香糖組上升較慢，口腔的
pH 值為 5.2 。吃糖果 50 分鐘後，兩組口腔的 pH
值表現不一樣， sodium bicarbonate 組的口腔 pH
值下降，而標準型無糖口香糖組的口腔 pH 值持續上
升。
7.2 多變量方法

 顯示無糖口香糖的類型與咀嚼時間的交互作用達
顯著意義（ p=.003 ）。
7.3 單變量方法
 (1) 球型檢定

 顯示球型假設符合（ p=.838 ），不需要對 F 作修正。

 (2) 分解總變異量
 (3) 變異量分析表

 顯示無糖口香糖的類型與咀嚼時間的交互作用達顯著意義
（ p=.000 ）。
 (4) 多重比較
因為感興趣的是相同時間，此 2 種不同口香糖對
口腔 pH 之影響，即只比較 3 次，用
Bonferroni 法較合適。

α’=0.05/3=0.0167 ； MSE=0.088 ； tN-k,1-α’/2 = t14,1-0.0167/2 =

2.72 （查表）

 即嚼無糖口香糖 10 分鐘，在降低口中酸
性， sodium bicarbonate 較標準型佳。
7.4 SPSS 步驟
 (1) 輸入資料或開啟舊檔（ ranova2.sav ）

 (2) 點選步驟
步驟 1 ：「分析」→「一般線性模式」→「重複
量數」。
 步驟 2 ：設定受試者內因子（ within factor ）
的名稱，水準個數（即層次數）。
【重複量數定義因子】對話方塊：鍵入「受試者
內因子的名稱」及「水準 個數」→「新增」→
「定義」。
步驟 3 ：將已設定之受試者內變數（ within
factor ）與已鍵入變數作連結
【重複量數】對話方塊，選變數
s20 、 s30 、 s50 、 b20 、 b30 、 b50→�
至「受試者內變數」→按「圖形」。
步驟 4 ：【重複量數：剖面圖】對話方塊：選入
「水平軸」及「個別線」之變數→「新增」→「繼
續」。
步驟 5 ：【重複量數】對話方塊：選「選項」。
步驟 6 ：列出敘述統計及進行多重比較
【重複量數：選項】對話方塊→選在「因子與因
子交互作用」方塊內變數→ 至「顯示平均數
（ M ）」之方格內→勾「敘述統計」→按「繼
續」。
步驟 7 ：【重複量數】對話方塊→「確定」。
8. 一個受試者內因子、一個受試者
間因子的範例
 評估兩種性格 antisocial personality disorder
（ Ptype ： 0 ＝否； 1 ＝是）（ between
factor ）在喝酒及不喝酒（ within factor ）之暴
力傾向，資料如下：

drink0 ＝未喝酒時之暴力傾向分數； drink1 ＝有喝酒時之暴力傾向分數

8.1 列出描述性統計量及劃剖面
圖

 兩條個別線為非平行，暗示性格及喝酒與否對暴
力傾向可能有交互作用。
8.2 多變量方法

 顯示性格及喝酒與否對暴力傾向的交互作用達顯
著意義（ p=.004 ）。
8.3 單變量方法
 (1) 球型檢定

因為 DRINK 因子牽涉到受試者間因子 PTYPE ，所有

無法計算 Mauchly 球型檢定，即不需要對 F 作校正。
 (2) 分解總變異量
 (3) 變異數分析表

顯示性格及喝酒與否對暴力傾向的交互作用達顯
著意義（ p=.004 ）。
 (4) 多重比較
因為感興趣的是相同性格的人，喝不喝酒時的暴
力傾向有沒有差異。無喝酒時，兩種性格的人，
其暴力傾向有沒有差異。有喝酒時，兩種性格的
人，其暴力傾向有沒有差異。即比較 4 次，用
Bonferroni 法較合適。
 α’=0.05/4=0.0125 ； MSE=0.00695 ； tN-k,1-α’/2 = t14,1-0.0125/2
= 2.86 （查表）
 顯示反社會人格者在喝酒後有暴力傾向。
8.4 SPSS 步驟
 (1) 輸入資料或開啟舊檔（ ranova3.sav ）

 (2) 點選步驟
步驟 1 ：「分析」→「一般線性模式」→「重複
量數」
步驟 2 ：設定受試者內因子（ within factor ）
的名稱，水準個數（即層次數）。
【重複量數定義因子】對話方塊：鍵入「受試者
因子的名稱」及「水準個數」�「新增」�「定
義」。
步驟 3 ：將已設定之受試者內變數（ within
factor ）與已鍵入變數作連結
【重複量數】對話方塊，選變數 drink0 、 drink1→ �
至「受試者內變數」。
步驟 4 ：設定受試者間的因子
【重複量數：剖面圖】對話方塊：選變數 ptype � 至
「受試者間因子」的方塊內�「圖形」。
步驟 5 ：【重複量數：剖面圖】對話方塊：選入
「水平軸」及「個別線」之變數→「新增」→「繼
續」。
步驟 6 ：【重複量數】對話方塊：選「選項」。
步驟 7 ：列出敘述統計及進行多重比較
【重複量數：選項】對話方塊→選在「因子與因
子交互作用」方塊內的變數→ 「顯示平均數
（ M ）」之方格內→勾「敘述統計」→按「繼
續」。
步驟 8 ：【重複量數】對話方塊→「確定」。