这个 m 文件处理从 s 组受试者或多个样本获得的 t 时间点的重复测量。 有或没有相同的尺寸。 最简单的模型是： x_hij = m + g_h +t_j + (gt)_hj + p_i(h) + e_hij 其中： x_hij = h 组中第 i 个受试者在时间 j 的响应； m = 总体平均值； g_h = h组的固定效应； t_j = 时间 j 的固定效应； (gt)_hj = 第 h 组与第 j 次交互的固定效应； p_i(h) = 第 h 组中第 i 个受试者的随机效应，e_hij = 独立随机误差项。 因为我们有兴趣测试组间差异，测试时间点之间的差异，并测试组 x 时间交互的显着性。 第一个测试需要假设组内协方差矩阵相等。 最后两个测试需要相同的假设并且满足球形条件。 一般而言，所有受试者内效应（重复测量）测试都需要这些假设。 输入： X - 数据矩阵（矩阵的大小必须

单向重复测量方差分析用于分析自变量和因变量之间的关系。 它是相关组 t 检验的扩展，其主要优点是控制可能影响因变量的干扰变量或个体差异。 与独立组方差分析（受试者间）相比，重复测量程序通常更强大（即导致更大的可能性通过假设拒绝错误的零值）。 从统计上讲，这是因为参与者之间的个体差异导致的不需要的可变性（错误）可以量化并从 F 比率的分母中删除。 此过程需要较少的参与者，但它可能会引起研究混淆，例如顺序或实践效果以及参与者偏见。 总可变性分为两个部分： - 科目之间。 由于参与者之间的个体差异而导致的分数可变性。 - 科目内。 受试者内部变异性细分为以下组成部分： -治疗。 处理平均值之间的差异（与独立组方差分析中的 MS 相同）。 -剩余的。 剩余的或不需要的错误可变性（可以被认为是对参与者的治疗效果的不一致）。 它需要输入 X 数据矩阵（矩阵的大小必须是 n×3；因变量=第 1

******** 警告 ********* 该程序最初是在 MATLAB 不支持重复测量方差分析时发布的。 但是，自几个版本之前，MATLAB 统计工具箱已添加此功能（请参阅 fitrm 函数）。 因此，该程序现已弃用，不再推荐。 问题是它只支持 fitrm 可以解决的问题的一个非常小的子类。 此外，它可能没有像 fitrm 那样经过广泛的测试，因此它可能不会在所有情况下都产生正确的结果。 我将程序保持原样，但将不再维护。 ****************************** [p, table] = anova_rm(X, displayopt) 执行重复测量方差分析，以比较一个或多个样本（组）中两列或更多列（时间）的均值。 尽管列数（跟进）应该相同，但支持不平衡样本（即每组不同数量的受试者）。

具有主体间和主体内变量（混合）的方差分析用于分析具有主体间和主体内变量组合的设计的关系。 需要输入X-数据矩阵（矩阵的大小必须是n×4；因变量=第1列；自变量1[被试间]=第2列；自变量2[被试内]=第3列;subject=column 4) 和 alpha 显着性水平（默认值 = 0.05）。 输出是一个完整的方差分析表。

重复测量数据分析方法专著，尤其适合医药行业研究人员参考。