Python统计分析：[6]单因素重复测量方差分析

单因素重复测量方差分析:[repeated measuers anova in python]

上一篇文章我们介绍了如何使用Python.statsmodels做多因素方差分析，现在我们利用上一篇文章的知识继续做单因素重复测量的方差分析，如果你理解方差分析的原理，你就会知道不管什么设计的方差分析，你只要将方差变异源搞清楚就行，重复测量的单因素方差分析与随即设计的单因素方差分析区别在于重复测量的方差分析可以多一个变异源：个体差异，这样就将个体差异造成的方差从总方差中分离出来，所以，我们想想，利用多因素方差分析，我们把个体当作一个变量，这样就有两个自变量：实验变量和个体变量，然后利用多因素方差分析就实现了单因素重复测量的方差分析。下面是具体的过程：

引入相关模块



读取数据，并打印查看数据



数据在整理前是这样的：这是重复测量方差分析标准的数据格式，scoreA和scoreB分别是前测和后测成绩，ID表示被试的编号，group在今天的教程中没用，忽略他



整理数据很关键，我们用到了pandas.concat来合并两个数据框



最终得到的数据如下：一个因变量score和两个自变量（ID和group）



回忆上一篇的知识，我们需要写一个公式定义模型，然后进行拟合



最后得到的重复测量的方差分析结果，ID是被试差异造成的影响，可以不看；group就是实验处理效应，它是不显著的。



假如我们用spss进行重复测量的方差分析，得到的结果是：和上面的结果是一样的。至此我们就实现了单因素重复测量的方差分析，下一节继续介绍多因素混合设计方差分析。