50、重复测量设计与混合设计的统计分析

重复测量设计与混合设计的统计分析

1. 重复测量设计相关内容

1.1 交互项解读与稳健性分析

在重复测量设计中，交互项的解读较为复杂，即使是一些备受尊敬的研究人员也会在这方面遇到困难。不过，我们可以通过对比的方式尽可能详细地分解每个效应，以更好地理解交互项。

目前，对于析因重复测量设计，尚未找到相关的处理函数。这对某些人来说可能是好事，但对于处理异常数据的人而言则是个难题。

1.2 效应量计算

对于单因素重复测量方差分析的 omega 平方计算十分棘手，因此在析因设计中暂不考虑。不过，ezANOVA 可以产生广义 eta 平方。例如，在某个例子中，意象的主效应 eta 平方值为 0.575，饮料的主效应为 0.116，交互项为 0.141。这表明意象的效应相对较强，而饮料和交互项的效应较为适度。

当进行析因设计时，建议为对比计算效应量。可以使用之前在单因素方差分析中使用过的 rcontrast() 函数。以下是具体的计算示例：

# 饮料对比
rcontrast(3.18, 38)
# 输出：[1] "r =  0.458457001137587"
rcontrast(-1.47, 38)
# 输出：[1] "r =  0.231961343984559"

# 意象对比
rcontrast(17.26, 114)
# 输出：[1] "r =  0.850434536664415"
rcontrast(-9.81, 114)
# 输出：[1] "r =  0.676574089263451"

# 交互对比
rcontrast(0.69, 11