内容来自：“小白学统计”微信公众号，感谢作者授权。

重复测量数据是指对同一个体在不同时间点的测量，这种数据在医学研究中较为常见，比较典型的数据形式如：

     a.对一组人群分别在干预前后不同的时间点观察其结局情况。这种研究通常是为了比较不同时间点的差异情况，或者分析时间变化趋势。

     b.或将一组人群分配至不同组别，对每组人群分别在干预前后不同的时间点观察其结局。这种研究通常要比较不同组的差异，有的再深入点，可能还要分析几个组的变化趋势是否有差异。

重复测量数据的个体观测值不完全独立，数据间存在趋同性，如果采用独立数据的统计推断方法（如t检验、方差分析）进行分析，往往会增大Ⅰ类错误发生的概率，容易使本来无统计学意义的结果变成了有统计学意义。事实上，这种情况在审稿中甚至在已发表的文章中都不算少见。

基于不同的研究目的和分析策略，重复测量数据可采用不同的分析方法，医学中常见的有重复测量方差分析、广义估计方程、多水平模型。

重复测量方差分析，顾名思义，仍是属于方差分析的范畴，因此其思路也是基于方差分解。

重复测量方差分析与单变量方差分析思路的不同之处在于：单变量方差分析是对某一变量的方差进行分解，而重复测量数据存在多个时间点的测量结果，并不仅有1个变量，而有多个变量，从而形成多个变量的方差-协方差矩阵。

这里关键要弄清楚，1个变量，只有方差，而2个及以上变量，不仅有每个变量的方差，还有表示几个变量之间关系的协方差，所以多个变量就会形成一个方差-协方差矩阵。

因此，重复测量方差分析不是对1个变量的方差进行分解，而是对多个变量的方差-协方差矩阵进行分解。

为了给大家一个直观印象，下面就是一个协方差矩阵：