编辑和更新:
我正在尝试使用 Python 或 SPSS 来衡量某些因素对一个或多个指标的有效性。我的数据集包含 100 条接受过不同时间(例如三个月)治疗的患者记录。数据集如下所示:
a1 a2 a3 b1 b2 b3 metric1 metric2 metric3
1 1.2 2.3 3.5 90 58 29 2.1 3.2 1.2
2 3.2 3.4 1.5 58 54 39 3.1 4.2 3.2
...
100 3.1 1.3 2.5 36 63 45 5.1 4.2 3.2
如您所见，每个患者的因子 a(假设为非正态分布的葡萄糖)和因子 b(假设为正态分布的治疗或药物)被记录了三次。在每位患者的就诊中，还记录了一个指标(例如健康指标)。现在我想知道因素 b 在三次访问期间如何影响我的数据集中的指标。例如，因素 b 与此数据集中的指标之间是否存在任何(共)关系？如果是这样，它在多大程度上是重要的？
我尝试了几种方法，包括单向 Annova 或寻找样本均值之间的相关性，但没有成功。我知道这类数据应该用重复测量法来分析，但现在我有多个非正态分布的自变量，我有点困惑。我应该利用什么统计方法？
感谢任何帮助!
请您参考如下方法:
您目前拥有宽格式的数据，我没有用 Python 进行统计，但对于 R，您需要长格式的数据才能实现大多数功能。
将您的数据框转换为 long。我想你可以用 pd.melt() 做到这一点
df["Patient"] = df.index + 1
pd.melt(df, id_vars=["Patient"], value_vars=['b1', 'b2', 'b3'], var_name='Repeated', value_name='Glucose')
这是错误的，因为你需要为你的治疗做同样的事情，不确定如何做两次，你可以通过分离 DF 然后再次合并来做到这一点。
您的目标数据框应如下所示:
Patient Glucose GRepeated Treatment TReapeatedb1 Metric MRepeated
1 1.2 a1 90 b1 3.2 metric1
2 3.2 a2 54 b2 4.2 metric2
...
100 3.1 a3 45 b3 3.2 metric3
