15.4 重复测量
社会与行为科学,以及工程、自然科学和商业中的一些试验,常以人为试验单位。经验、训练和背景不同,可能使不同人对同一处理的响应差异很大。若不控制,个体间变异将并入试验误差,可能显著增大误差均方,使真实处理差异更难发现。重复测量的单位也不一定是人,可以是营销研究中的商店、植物、试验动物等,统称为受试单位。
让每个受试单位都接受全部 a 个处理,可以控制单位间变异,这称为重复测量设计。本节简要介绍单因子重复测量试验。
设有 a 个处理,n 个受试单位,每个单位恰好接受每个处理一次,数据布局见表 15.25。yij 是单位 j 对处理 i 的响应,实际只使用 n 个单位。模型为
yij=μ+τi+βj+ϵij(15.45) 其中,τi 是处理 i 的效应,βj 是单位 j 的效应。假定处理固定,∑i=1aτi=0;受试单位从较大总体随机抽取,构成随机效应,E(βj)=0、V(βj)=σβ2。同一单位的全部 a 次测量共有 βj,因此其响应之间通常有非零协方差。这里假定该协方差在不同处理与单位之间相同。
考虑总平方和的分解:
i=1∑aj=1∑n(yij−y⋅.)2=aj=1∑n(y⋅j−y⋅.)2+i=1∑aj=1∑n(yij−y⋅j)2(15.46) 式(15.46)右端第一项是单位间差异平方和,第二项是单位内差异平方和,即
SST=SS受试单位间+SS受试单位内 表 15.25¶
单因子重复测量设计的数据布局
| 处理 | 受试单位 | n | 处理合计 |
| 1 | 2 | $\cdots$ |
| 1 | $y_{11}$ | $y_{12}$ | $\cdots$ | $y_{1n}$ | $y_{1.}$ |
| 2 | $y_{21}$ | $y_{22}$ | $\cdots$ | $y_{2n}$ | $y_{2.}$ |
| $\vdots$ | $\vdots$ | $\vdots$ | | $\vdots$ | $\vdots$ |
| a | $y_{a1}$ | $y_{a2}$ | | $y_{an}$ | $y_{a.}$ |
| 受试单位合计 | $y_{.1}$ | $y_{.2}$ | $\cdots$ | $y_{..n}$ | $y_{..}$ |
单位间平方和与单位内平方和相互独立,自由度为
an−1=(n−1)+n(a−1) 单位内差异同时来自处理效应差异和未控制变异(噪声或误差),因此进一步分解为
i=1∑aj=1∑n(yij−y.j)2=ni=1∑a(yi.−y..)2+i=1∑aj=1∑n(yij−yi.−y.j+y..)2(15.47) 式(15.47)第一项衡量处理均值差异的贡献,第二项为残余误差变异,二者相互独立。因此,
SS受试单位内=SS处理+SSE 对应自由度分别为
n(a−1)=(a−1)+(a−1)(n−1) 检验无处理效应假设,即
H0:τ1=τ2=⋯=τa=0H1:至少一个τi=0 使用比值
F0=SSE/(a−1)(n−1)SS处理/(a−1)=MSEMS处理(15.48) 表 15.26¶
单因子重复测量设计的方差分析
| 变异来源 | 平方和 | 自由度 | 均方 | $F_0$ |
| 1. 受试者间 | $\sum_{j=1}^{n} \frac{y_{\cdot j}^2}{a} - \frac{y_{\cdot\cdot}^2}{an}$ | n-1 | | |
| 2. 受试者内 | $\sum_{i=1}^{a} \sum_{j=1}^{n} y_{ij}^2 - \sum_{j=1}^{n} \frac{y_{\cdot j}^2}{a}$ | n(a-1) | | |
| 3. 处理 | $\sum_{i=1}^{a} \frac{y_{i\cdot}^2}{n} - \frac{y_{\cdot\cdot}^2}{an}$ | a-1 | $MS_{\text{处理}} = \frac{SS_{\text{处理}}}{a-1}$ | $\frac{MS_{\text{处理}}}{MS_E}$ |
| 4. 误差 | 差:第(2)行 − 第(3)行 | (a-1)(n-1) | $MS_E = \frac{SS_E}{(a-1)(n-1)}$ | |
| 5. 总计 | $\sum_{i=1}^{a} \sum_{j=1}^{n} y_{ij}^2 - \frac{y_{\cdot\cdot}^2}{an}$ | an-1 | | |

在这里的独立正态误差及共同协方差结构假定下,原假设成立时 F0 服从 Fa−1,(a−1)(n−1) 分布。当 F0>Fα,a−1,(a−1)(n−1) 时拒绝原假设。
方差分析汇总于表 15.26,并给出平方和计算公式。该分析相当于将受试单位作为区组的随机完全区组设计,残差分析和模型检查也相同。实际重复测量若具有更复杂的相关结构,应另行检查这一协方差假定。