如何对重复测量方差分析进行功效分析？

G*Power 3是一款免费软件，为执行功率计算提供了一个用户友好的 GUI 界面。它支持重复测量方差分析的功率计算。

什么是适合您的设计的分析？

以下是与您提到的内容相关的一系列要点：

• 更多时间点将更清楚地表明您的干预效果（如果有的话）如何随着时间的推移而发挥作用。因此，如果改进随着时间的推移而衰减或变得更大，那么更多的时间点将更清楚地了解这些模式，无论是平均水平还是个人水平。
• 如果您有 12 个或更多时间点，我会考虑多级建模，特别是如果您期望任何缺失的观察结果。您不太可能对是否存在时间影响感兴趣。相反，您可能对各种特定效果感兴趣（例如，干预前后的变化；也许是干预后的线性或二次改善效果）。您还可以查看在重复测量方差分析之上使用计划对比。Applied Longitudinal Data Analysis: Modeling Change and Event Occurrence是了解重复测量数据的多级建模的良好起点。
• 超过前后时间点的数量不会大大增加您检测干预效果的能力。更多的时间点会增加你测量的可靠性，它可能会确保你捕捉到影响应用的时间段，但更大的问题可能是这两种情况下的样本量。
• 假设您确实将案例随机分配给条件，根据定义，总体在因变量上是相等的，并且有人可能会争辩说基线差异的显着性检验是没有意义的。也就是说，研究人员仍然经常这样做，我想它确实提供了一些证据表明随机分配确实发生了。
• 关于在干预前控制设计中测试干预效果的最佳方法存在相当多的争论。一些选项包括：（a）条件*时间交互；(b) 条件的影响，但只是在干预后；(c) ANCOVA 观察条件的影响，控制前，后作为 DV。