此次笔记的内容是重复测量数据的方差分析，以后会陆续推出重复测量数据的其他分析方法。因以前有过一次基于SPSS的“重复测量数据的方差分析”，解读已经很详细了，所以此次笔记改用JMP软件来实现，解读相对简单一些。
重复测量数据是常见的一种数据类型，一般组间独立，组内相关。比较常用的分析方法是重复测量数据的方差分析，包括一元方差分析和多元方差分析。但其要求较为苛刻，多元方差分析要求正态分布、组间方差-协方差矩阵齐同（Box’M检验）。一元方差分析除了要求独立、正态、组间方差相等外，还要求资料满足复合对称或者协方差矩阵球形对称，这么变态的要求在实际中是非常难以达到的。而且重复测量数据的方差分析仅可以对定量资料的分析，对分类资料却无能为力。
除了方差分析，还有多种方法可以实现重复测量数据的分析。比如广义估计方程，非正态、分类资料都可以实现；再比如多水平模型、广义混合线性模型等。多水平模型有多种称谓，如线性混合模型、分层线性模型、发展模型、混合效应模型、方差成分模型、随机效应模型、随机系数模型等。
当然我们遇到重复测量数据也可能比较简单，比如最简单的重复测量-前后测量，可以采用配对t检验/相关样本的非参数检验。对于数据不呈正态分布时，有人提出基于秩次的重复测量方差分析也是一种方法，即首先对原始变量转换为秩，再对秩作重复测量方差分析。
重复测量数据方差分析的JMP操作示例
