球形性假设是什么？为什么重复测量方差分析要检验它？

球形性指各配对水平差值的方差相等，是重复测量 F 检验有效的前提；违反球形性会使 F 值偏大、第一类错误率升高，因此需用 Mauchly 检验并在违反时校正自由度。

Mauchly 检验显著怎么办？用 GG 还是 HF？

Mauchly 检验显著（p < .05）表示违反球形性，需校正自由度；一般 ε < 0.75 用 Greenhouse-Geisser，ε ≥ 0.75 用较不保守的 Huynh-Feldt 校正。

重复测量方差分析和配对样本 t 检验有什么区别？

配对 t 检验只比较两个相关条件，重复测量方差分析可比较三个及以上相关条件；后者整体检验显著后需再做配对事后比较并校正多重比较。

重复测量方差分析结果怎么报告？

报告校正后的 F、自由度、p 与效应量，例如「F(1.62, 38.9) = 12.30, p < .001, ηp² = .34（Greenhouse-Geisser 校正）」，并说明是否应用了球形性校正。

检验

重复测量方差分析怎么做、结果怎么写

Q: Mauchly 检验显著怎么办？用 GG 还是 HF？

Mauchly 检验显著（p < .05）表示违反球形性，需校正自由度；一般 ε < 0.75 用 Greenhouse-Geisser，ε ≥ 0.75 用较不保守的 Huynh-Feldt 校正。

Q: 重复测量方差分析和配对样本 t 检验有什么区别？

配对 t 检验只比较两个相关条件，重复测量方差分析可比较三个及以上相关条件；后者整体检验显著后需再做配对事后比较并校正多重比较。

Q: 重复测量方差分析结果怎么报告？

报告校正后的 F、自由度、p 与效应量，例如「F(1.62, 38.9) = 12.30, p < .001, ηp² = .34（Greenhouse-Geisser 校正）」，并说明是否应用了球形性校正。

作者 / 审校：shujufenxi 编辑部·最后审校 2026-05-17

你遇到的问题

你对同一批被试在前测、后测、追踪测反复测量，数据不独立，普通方差分析用不了；跑重复测量时又冒出一个「Mauchly 球形性检验」，看不懂它显著与否意味着什么，也不知道该报哪一行的 F 值。

适用场景

重复测量方差分析适用于被试内设计，即同一组被试在三个及以上时间点或条件下重复测量同一因变量。它的关键假设是球形性（各水平差值的方差相等），用 Mauchly 检验来判断；两个水平时不存在球形性问题，无需检验。

正确做法

先看 Mauchly 球形性检验：若不显著（p > .05），说明满足球形性，直接读未校正的 F 值；若显著（p < .05），说明违反假设，应采用 Greenhouse-Geisser 校正后的自由度和 F 值（自由度会变成小数）。报告时写明球形性检验结果、是否校正、F(df1, df2)、p 值以及 partial η²。

报告示例：Mauchly 检验表明球形性假设未被满足，χ²(2) = 9.83, p = .007，故采用 Greenhouse-Geisser 校正（ε = .82）。结果显示时间的主效应显著，F(1.64, 60.6) = 14.72, p < .001, partial η² = .285，说明被试的抑郁得分随测量时点显著变化。事后配对比较（Bonferroni 校正）表明，后测显著低于前测（p < .001），追踪测与后测差异不显著（p = .218）。

常见错误

错误一：Mauchly 检验已显著却仍读未校正的 F 值，导致第一类错误膨胀，结论不可靠。错误二：用 Greenhouse-Geisser 校正后忘了同步更新自由度，正文里 F 的自由度仍写成整数，与校正后的小数自由度不符，暴露分析疏漏。

需要更进一步？

如果你拿不准 Mauchly 检验该不该校正、或该用 Greenhouse-Geisser 还是 Huynh-Feldt，可以把 SPSS 输出粘贴进统计结果解读器，它会根据球形性结果告诉你读哪一行；若你的设计既有被试内又有被试间因素（混合设计）而无从下手，建议预约辅导。

操作步骤

SPSS

分析→一般线性模型→重复测量
在「被试内因子名称」输入 time，「级别数」输入 3，点「添加」后再点「定义」
将前测、后测、追踪三个变量依次移入「被试内变量」框
点「选项」勾选「描述统计」与「效应量估计」，将 time 加入并勾选「比较主效应」
点「确定」，在输出中查看「Mauchly 球形度检验」与「被试内效应检验」的 Greenhouse-Geisser 行

# 使用 afex 包（数据为长格式：id、time、score）
library(afex)
df <- read.csv('data_long.csv')
df$id <- factor(df$id); df$time <- factor(df$time)
fit <- aov_ez(id = 'id', dv = 'score', within = 'time', data = df)
summary(fit)  # 输出含 Mauchly 球形检验与 Greenhouse-Geisser 校正

完整示例（模拟数据）

30 名参与者在三个时间点（前测、后测、追踪）的焦虑得分（标注：模拟数据样例）。

Mauchly 球形度检验显示违反球形性假设（W＝0.72，χ²(2)＝9.45，p＝.009），故对自由度采用 Greenhouse-Geisser 校正（ε＝0.78）。重复测量方差分析表明时间的主效应显著，F(1.56, 45.24)＝15.32，p＜.001，偏 η²＝.346，说明焦虑得分在三个测量时点间存在显著变化，且效应量为大。

统计量	数值
Mauchly W	0.72
χ²(2)（p）	9.45（p＝.009）
Greenhouse-Geisser ε	0.78
F(1.56, 45.24)	15.32
p	＜.001
偏 η²	.346

常见疑问

球形性假设是什么？为什么重复测量方差分析要检验它？: 球形性指各配对水平差值的方差相等，是重复测量 F 检验有效的前提；违反球形性会使 F 值偏大、第一类错误率升高，因此需用 Mauchly 检验并在违反时校正自由度。
Mauchly 检验显著怎么办？用 GG 还是 HF？: Mauchly 检验显著（p < .05）表示违反球形性，需校正自由度；一般 ε < 0.75 用 Greenhouse-Geisser，ε ≥ 0.75 用较不保守的 Huynh-Feldt 校正。
重复测量方差分析和配对样本 t 检验有什么区别？: 配对 t 检验只比较两个相关条件，重复测量方差分析可比较三个及以上相关条件；后者整体检验显著后需再做配对事后比较并校正多重比较。
重复测量方差分析结果怎么报告？: 报告校正后的 F、自由度、p 与效应量，例如「F(1.62, 38.9) = 12.30, p < .001, ηp² = .34（Greenhouse-Geisser 校正）」，并说明是否应用了球形性校正。

参考来源

· Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). Sage.
· Girden, E. R. (1992). ANOVA: Repeated Measures. Sage.
· Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing Experiments and Analyzing Data (3rd ed.). Routledge.

用统计结果解读器生成结果段落预约辅导

工具输出请自行核对后使用。内容参考见方法论标准。

← 返回知识库