6.4 实例四——重复测量方差分析

6.4.1 重复测量方差分析的功能与意义

在研究中，我们经常需要对同一个观察对象重复进行多次观测，这样得到的数据称为重复测量资料；而对于重复测量资料进行方差分析就需要采用重复测量方差分析方法。重复测量方差分析与前述的方差分析的最大差别在于：它可以考察测量指标是否会随着测量次数的增加而变化，以及是否会受时间的影响。

6.4.2 相关数据来源

【例6.4】某食品公司为计划改进一种食品的销售策略而提出了一种方案，并随机选择了20个销售网点施行销售策略。表6.4为所调查网点的实施策略后的一个月的销售量（单位：kg）。通过分析说明这种方案是否有效。

表6.4 各网点销售量统计表

6.4.3 Stata分析过程

在用Stata进行分析之前，我们要把数据录入到Stata中。本例中有3个变量，分别为网点、方案和销售量。我们把网点变量设定为number，把方案变量设定为plan，并且把实施前设定为1、把实施后设定为2，把销售量变量设定为sale，变量类型及长度采取系统默认方式，然后录入相关数据。相关操作我们在第1章中已有详细讲述。录入完成后数据如图6.15所示。

图6.15 案例6.4数据

先做一下数据保存，然后开始展开分析，步骤如下：

进入Stata 14.0，打开相关数据文件，弹出主界面。

在主界面的“Command”文本框中输入如下命令（旨在分析说明这种方案是否有效）：

    anova     sale     number   plan, repeated(plan)

设置完毕后，按键盘上的回车键，等待输出结果。

6.4.4 结果分析

我们可以在Stata 14.0主界面的结果窗口看到如图6.16所示的分析结果。

图6.16 分析结果图

通过观察分析结果，我们可以看出共有40个有效样本参与了方差分析。

●可决系数（R-squared）以及修正的可决系数（Adj R-squared）都在50%以上，说明模型的拟合程度还是可以的，也就是说模型的解释能力还是可以的。

●Prob ＞ F Model=0.0067，说明模型的整体是很显著的。

●Prob ＞ F number =0.5121，说明变量number的效应是非常不显著的。

●Prob ＞ F plan =0.0000，说明变量plan的主效应是非常显著的。

也就是说，销售量的大小与网点是没有太大关系的，网点的差异对销售量差异的影响程度是很不显著的。而方案的实施却对销售量的大小有显著影响。

6.4.5 案例延伸

上述的Stata命令比较简洁，分析过程及结果已达到解决实际问题的目的。但是Stata 14.0的强大之处在于，它同样提供了更加复杂的命令格式以满足用户更加个性化的需求。

例如，我们只针对number变量大于3的观测样本进行重复测量方差分析，那么操作命令即为：

    anova     sale     number   plan   if   number＞3, repeated(plan)

在命令窗口输入命令并按回车键进行确认，结果如图6.17所示。

图6.17 分析结果图

通过观察分析结果，我们可以看出共有34个有效样本参与了方差分析。

●Prob＞F Model= 0.0142，说明模型的整体是很显著的。

●Prob ＞ F number =0.4083，说明变量number的效应是非常不显著的。

●Prob ＞ F plan =0.0000，说明变量plan的主效应是非常显著的。