다변량 적합의 일반적인 용도 중 하나는 종단 데이터라고도 하는 반복 측정을 사용한 데이터 분석입니다. 시간에 따라 반복해서 개체를 측정하고, 각 시간 측정값이 변수를 구성하도록 데이터가 배열됩니다. 이 상관관계가 구형성이라는 패턴을 만드는 경우 외에는 측정값 간의 상관관계 때문에 데이터를 단일 열에 쌓아 단변량 모형으로 분석하면 안 됩니다. 이 항목에 대한 자세한 내용은 이전에 나온 단변량 검정 및 구형성 검정 섹션에서 확인하십시오.
반복 측정을 사용하면 분석이 다음과 같은 두 계층으로 구분됩니다.
• 개체 사이(또는 개체 전체) 효과는 반복 측정 열의 합을 모형 효과에 적합시켜 모델링됩니다. 이 방법은 합 반응 함수를 사용하는 것과 같습니다. 이 반응 함수는 1로 구성된 단일 벡터인 M 행렬입니다.
• 개체 내 효과(반복 효과 또는 시간 효과)는 반복 측정 열의 차이를 적합시키는 반응 함수로 모델링됩니다. 이 분석은 대비 반응 함수 또는 기타 유사한 차분 함수(다항식, Helmert, 프로파일 또는 평균)를 사용하여 수행할 수 있습니다. 반복 측정 간의 차이를 모델링하는 경우 차이를 새로운 개체 내 효과(대개 시간)로 간주하십시오. 모형의 효과를 적합시키는 경우 효과를 개체 내 효과와의 교호작용으로 해석할 수 있습니다. 예를 들어 절편의 효과가 시간(개체 내) 효과가 되어 반복 측정 간의 전체적인 차이를 보여 줍니다. A 효과가 있는 경우 개체 내 검정은 A*시간 교호작용에 대한 검정으로 해석되어, 반복 측정 간의 차이가 A 효과에서 어떻게 달라지는지 모델링합니다.
Table 10.1에서는 반응 함수와 모형 효과 사이의 관계를 단변량 모형 지정을 사용할 때와 비교하여 보여 줍니다. 합(개체 사이) 모형과 대비(개체 내) 모형을 모두 사용하여 반응을 단일 열에 쌓고 표준 단변량 적합을 구하여 얻은 검정을 재생성할 수 있어야 합니다.
다음과 같이 직접/간접 방법을 사용하여 반복 측정 분석을 수행할 수 있습니다.
• 직접적인 방법은 팝업 메뉴의 "반복 측정" 항목을 사용하는 것입니다. 이 항목을 선택하면 반복 측정에 대해 개체 내 효과를 나타내는 효과의 이름을 지정하도록 요청됩니다. 그런 다음 대비와 합 반응 함수를 모두 적합시킵니다. 이 방법을 사용하면 개체 내 효과 이름을 사용하여 효과에 적절한 라벨이 지정된다는 이점이 있습니다.
• 간접적인 방법은 두 반응 함수를 개별적으로 지정하는 것입니다. 먼저 합 반응 함수를 완료하고 두 번째로 대비 또는 차이를 모델링하는 다른 함수 중 하나를 완료합니다. 대비 적합에서 개체 내 효과를 모형 효과와 연결해야 합니다.