重複測量方差分析中的效應大小大家好，
我使用擬合模型（個性 = 標準最小二乘法；重點 = 最小報告或效應槓桿；方法 =REML）執行重複測量方差分析，並且“擬合最小二乘法”報告不顯示模型平方和 (SS_M) 和總差異量 (SS_T) 的平方。
我需要 SS_M 和 SS_T 來計算效果大小（即 eta 平方）：
eta 平方 = SS_M / SS_T
你能幫我找到那些參數（SS_M 和 SS_T）嗎？
謝謝。
回复：重複測量方差分析中的影響大小我所說的是基於擬合模型。 通常，REML 表將有一個殘差條目。 該方差分量是 MSE。 因為您包括了主題*治療隨機效應，所以這很可能會替換殘差分量，因為它們會被完全混淆（除非您對每個主題*治療組合進行重複測量）。 在這種情況下，受試者*治療方差分量是 MSE。 我建議只刪除那個 subject*treatment 隨機效應，因為你真的無法將它與殘留誤差區分開來。 如果這樣做，您應該會發現 REML 表完全相同，除了 Subject*Treatment 的標籤被替換為“Residual”。
您應該發現 RMSE 是受試者 * 治療方差分量的平方根。 無論哪種方式，您都應該遇到相同的錯誤。回复：重複測量方差分析中的影響大小謝謝你的評論，卡梅倫！ 哦對了，MSE指的是Error，不是Subject。 這是正確的！ 那麼，您的建議是基於 Fit Y by X 而不是 Fit Model（Fit Least Square）？
我在 REML 方差估計表（擬合模型報告）中找不到 MSE。 但是，我認為我可以考慮擬合摘要中的 RMSE（即 MSE = RMSE^2）來計算 MSM。
回复：重複測量方差分析中的影響大小我猜想主題*時間點方差分量與殘差混淆，這就是為什麼殘差方差分量不在 REML 表中的原因。 那是MSE，不是主題。回复：重複測量方差分析中的影響大小絕妙的解決方案，卡梅倫！ 非常感謝！ 我只想明白一點：
在擬合模型中，我添加了
主題和隨機
時間點
主題 * 時間點和隨機
在構建模型效果中。
在“擬合模型”報表中，REML 方差分量估計表描述了主題、主題 * 時間點和總計的隨機效應行。 這樣，當您建議計算MSM時，我是否應該選擇Subject的MSE（Var Component）乘以F-ratio？
謝謝你！
回复：重複測量方差分析中的影響大小我建議用 X 擬合 Y，因為它確實有一個選項來指定 Block 列，這是處理重複測量的潛在方法。Fit Y by X 的唯一條件是塊必須平衡並且您只能有 1 個治療因素。如果您對使用 REML 死心塌地，我不知道如何從具有隨機效應的擬合模型中獲取完整的方差分析表。我不認為你可以。
我想你可以用手向後計算。固定效應測試將為您提供 F 比率以及分子和分母的自由度。MSE 在方差分量表中。首先，我們需要求解處理均方（我們稱之為 MSM）和總均方 (MST)。
要獲得 MSM，請將 F 比率乘以 MSE。現在，將 MSM 和 MSE 相加得到 MST。
現在，剩下要做的就是將每個乘以它們各自的自由度以獲得 SSM 和 SST。SSM = MSM*DF（分子自由度）。SST = MST*(DF + DFDen)。
據我了解，從這種方法計算效果大小使其相對於考慮隨機效果後剩餘的總方差。如果您想相對於包括隨機效應的總方差計算它，您可以使用像 Col Sum((:Y - Col Mean(:Y))^2) 這樣的列公式在響應變量列上計算 SST。
回复：重複測量方差分析中的影響大小你好@cwillden ，感謝您的郵件和信息。
Fit Y by X 似乎沒有考慮隨機效應 (REML)。 那麼，當我在重複測量方差分析中使用 Method = REML 時，如何計算效果大小？
謝謝。
回复：重複測量方差分析中的影響大小我不確定如何從 Fit 模型中強制獲取該信息，但如果它是一個簡單的單向 ANOVA 重複測量，您可以使用 Fit Y by X 並將主題 ID 作為阻止因素。當我嘗試它時，我得到了 Fit Y by X 和 Fit Model 之間治療因子的等效 p 值。用 X 擬合 Y 將提供完整的方差分析表，因此您可以計算 eta^2。
