单变量方差分析和重复测量方差分析的区别？
单因素方差分析和重复测量数据方差分析的区别
一、研究设计不同
1、单因素方差分析资料，采用完全随机设计，只涉及一个处理因素，该因素至少有两个水平；
2、重复测量数据资料的设计，如：当对同一受试对象的同一观察指标在不同时间重复测量，测试次数大于等于3。同一受试者的多次测量之间可能存在某种相关性，不适用一般的方差分析（要求数据独立性）。
二、数据特点不同
1、单因素方差分析数据是互相独立的随机样本，服从正态分布。
2、重复测量数据各观测点时间顺序是固定的，不能随机分配；不同观测点数据彼此不独立或不完全独立，存在一定的相关性；
三、应用条件不同
1、单因素方差分析应用条件为：各样本是互相独立的随机样本，服从正态分布；相互比较的各样本总体方差相等，具有方差齐性。
2、要求样本随机，除了满足一般方差分析条件，还要满足协方差阵球形性（用Mauchly法检验）。
四、分析目的不同
1、单因素方差分析进行多个样本均数的比较。对试验数据进行分析，检验方差相等的多个正态总体均值是否相等，进而判断各因素对试验指标的影响是否显著。
2、重复测量数据分析目的是比较不同时间点动态变化趋势特征。
五、分析程序不同
1、单因素方差分析采用SAS 软件 PROC ANOVA程序分析。
2、重复测量的方差分析利用 SAS PROC GLM 程序进行。
参考资料：
一、研究设计不同
1、单因素方差分析资料，采用完全随机设计，只涉及一个处理因素，该因素至少有两个水平；
2、重复测量数据资料的设计，如：当对同一受试对象的同一观察指标在不同时间重复测量，测试次数大于等于3。同一受试者的多次测量之间可能存在某种相关性，不适用一般的方差分析（要求数据独立性）。
二、数据特点不同
1、单因素方差分析数据是互相独立的随机样本，服从正态分布。
2、重复测量数据各观测点时间顺序是固定的，不能随机分配；不同观测点数据彼此不独立或不完全独立，存在一定的相关性；
三、应用条件不同
1、单因素方差分析应用条件为：各样本是互相独立的随机样本，服从正态分布；相互比较的各样本总体方差相等，具有方差齐性。
2、要求样本随机，除了满足一般方差分析条件，还要满足协方差阵球形性（用Mauchly法检验）。
四、分析目的不同
1、单因素方差分析进行多个样本均数的比较。对试验数据进行分析，检验方差相等的多个正态总体均值是否相等，进而判断各因素对试验指标的影响是否显著。
2、重复测量数据分析目的是比较不同时间点动态变化趋势特征。
五、分析程序不同
1、单因素方差分析采用SAS 软件 PROC ANOVA程序分析。
2、重复测量的方差分析利用 SAS PROC GLM 程序进行。
的不同部位(或组织) 上重复获得指标的观测值。最简单的重复测量设计是对每个变量
的水平前后测量两次, 计算变化值(试后数据- 试前数据) 或变化率(变化值/ 试前数
据) 。这种比较采用配对t 检验。这种设计符合毒理、药理、临床试验本身的特点, 尤其
是所需试验例数较少, 在医学研究领域中得到广泛的应用。如在药物非临床实验研究中
收集的时序关系的试验数据, 同一种药物不同剂型在不同时间的血药浓度, 病人在不同
时间对药物的生理反应等。在不同的剂量和时间中, 施以几种不同的药物, 这时每组分
成三种因子: 药物、剂量、时间。通过对这些资料进行重复测量设计的方差分析[1 ] , 可
以了解药物的起效时间, 持续时间, 并对整个动态过程中不同剂量、药物药效的显著性
检验做出综合判断。是否可以这样理解，配对t检验是重复测量方差分析的最简单的形式，就好象独立样本t检验是单因素方差分析的最简单的形式？重复测量方差分析，有重复因素，比如时间、部位等。
http://zhidao.baidu.com/link?url=kLN7e_8_y2kmRYSREJeRvj_C7l0Te5l6TWAxmiFYiri-gOsrnEP1o9aC6Ckdu6dFj1BKYNO6ZTW2QQtd2u-_PgLjSKNNgsBMw7qftK6NdwC
