本文将重点解读重复测量方差的分析结果。重复测量分析往往需要查看球形假设的检验结果。根据数据满足或不满足球形假设的情况，需要实施不同的检验方法。接下来，我们一起来解读下重复测量方差分析结果。

图1：示例数据

一、描述统计

本文分析的是1-3月份重复测量的销售量数据。如图2所示，从数据趋势来看，1-3月份的销售量呈现增长的趋势。

图2：描述统计

二、估算边际平均值

而从估算边际平均值的轮廓图，如图3所示，也能看到随着月份的推进，销售量在增长，而且1-2月份的增长较多，而2-3月份则增长较少。

图3：估算边际平均值

三、球形假设检验

为了进一步检验1-3月份的销售量是否有显著差异，我们需进一步查看重复测量的方差检验结果。

在这之前，需先查看数据是否服从球形假设。如图4所示，在Mauchly球形度检验结果中（原假设为重复测量的因变量数据服从方差协方差矩阵相等），可以看到，其显著性数值为0.191>0.05，不能拒绝原假设，也就是说，数据服从球形假设。

图4：满足球形假设

在因变量数据满足球形假设的前提下，如图5所示，查看“假设球形度”的显著性数值。其显著性数值为0.00<0.05，拒绝原假设，也就是说1-3月份重复测量的销售量数据存在着显著性差异。

如果数据不服从球形假设时，就需要查看格林豪斯-盖斯勒或辛-费德特的显著性数值。

图5：球形假设显著性

四、成对比较

从方差分析中，我们知道1-3月份的销售量数据存在显著差异。那么，具体是哪些月份之间存在显著差异呢？关于这一问题，可以查看成对比较结果。

如图6所示，可以看到1月份与2月份、3月份之间存在着显著性差异（显著性值均小于0.05），而2月份与3月份之间无显著性差异（显著性值均大于0.05）。

图6：成对比较

三、小结

综上所述，通过使用IBM SPSS Statistics的重复测量方差分析，可检验多次测量的因变量测量值是否存在差异，适用于检验某项方案、措施等是否存在着持续性的效益等，但需注意的是，观测值之间需存在一定相关关系。