分析纵向与重复测量数据
Analyze Longitudinal and Repeated-Measures Data · 🔴专家 · 所属分类：科研数据与生物统计
同一个受试者反复测好几次，这些数据天生不独立，硬套普通方差分析会低估误差、让结论虚高。它帮你用混合效应模型正确处理重复测量和随访数据，把个体差异和时间趋势分开，结论才站得住。
适合谁
做随访、重复测量或多时点实验、需要正确建模的研究生和临床科研人。
给它什么 · 得到什么
- 你提供：长格式纵向数据（个体 ID/时间/测量值）、你设想的固定与随机效应，以及缺失时点和机制说明
- 你得到：混合效应模型结果（固定效应/随机效应/边际均值）、个体轨迹图、模型比较，以及可复现代码（lme4/emmeans）
怎么用
先来一句示例提问：「每位患者在 0、4、8 周各测了一次血压，帮我用混合模型看治疗随时间的效果，考虑个体随机截距和斜率。」 触发后它会构建随机截距/斜率模型、选合适的协方差结构、做时间×分组交互与事后比较，并评估模型拟合与假设。
提个醒
它会要求你声明缺失机制和模型假设、报告收敛性与诊断，不会硬去解读没收敛或随机结构过度复杂的模型。