统计百科 · 2026-06-24

重复测量方差分析的APA报告怎么写？Greenhouse-Geisser校正格式完整模板

统计百科：重复测量方差分析APA 7th报告全流程——Mauchly球形检验写法、Greenhouse-Geisser校正后非整数df格式、F值与偏eta平方、事后Bonferroni比较，给出可直接套用论文的完整报告句式与常见错误对照表。

重复测量方差分析（Repeated Measures ANOVA）的报告格式比单因素ANOVA复杂得多：必须先汇报球形检验，违反球形假设时要用Greenhouse-Geisser校正，校正后的自由度变成非整数，偏eta平方的分母也不一样……这篇文章专攻"重复测量ANOVA的APA格式"这一具体场景，从球形检验到事后比较，给出APA 7th可直接套入论文的完整模板，并逐一盘点审稿人最常挑剔的格式错误。

你的重复测量报告有这些问题吗？

导师或审稿人关于重复测量ANOVA最常见的反馈：

"没有报告Mauchly球形检验，无法判断是否满足前提假设"
"球形假设违反了，却仍然用未校正的整数自由度，结论可能不可靠"
"Greenhouse-Geisser校正后的df是小数，不要取整，要如实报告"
"重复测量设计必须报告partial eta^2，不能报告eta^2"
"事后比较用了哪种方法？Bonferroni还是LSD？请说明并校正多重比较"
"F值只写了结果，没写两个自由度，格式不符合APA要求"

这些问题集中反映了重复测量ANOVA报告的三个核心难点：球形检验如何写、GG校正后df如何处理、事后比较如何规范报告。本文逐一解决。

一、重复测量方差分析的前提假设：为什么球形检验如此重要

球形性（Sphericity）是什么

重复测量ANOVA要求各时间点（条件）之间差异分数的方差相等，这一假设称为球形性假设（sphericity assumption）。它是独立样本ANOVA方差齐性假设的类比，但针对的是"差值的方差"而非"原始分数的方差"。

直觉理解：如果被试在"时间1 vs 时间2"的差异，和"时间1 vs 时间3"的差异，方差相差悬殊，就说明各时间点之间的"距离"不均匀——球形假设不成立。

为什么违反球形假设会出问题？

球形假设不成立时，标准重复测量F检验会低估误差方差，导致F值虚高、I类错误率膨胀，更容易得到"显著"结果。这是一种系统性偏差，需要通过自由度校正来修正。

Mauchly球形检验：APA必须汇报

用于检验球形假设的是Mauchly球形检验（Mauchly's test of sphericity）。

W：检验统计量（范围0-1，越接近1说明越符合球形）
chi^2(df)：近似卡方统计量及其自由度，df = T(T-1)/2 - 1（T为时间点数）
p值：p < .05表示球形假设显著违反，需要校正

注意：Mauchly检验对样本量很敏感——样本很大时，即使轻微偏差也会显著；样本很小时，即使偏差较大也可能不显著。因此建议同时报告epsilon（校正系数），作为球形性偏差程度的指标。

二、Greenhouse-Geisser校正：df变成小数怎么办

epsilon（ε）是什么

球形假设违反后，软件会输出epsilon（ε），也写作eps，是衡量球形性偏差程度的指标：

ε = 1.00：完美符合球形假设
ε < 1.00：偏离球形，值越小偏离越严重
ε的下限 = 1/(T-1)（T为时间点数）

Greenhouse-Geisser（GG）校正：将原始自由度乘以epsilon，得到校正后的自由度：

$df_1^{GG} = \varepsilon \times (T-1)$ $df_2^{GG} = \varepsilon \times (N-1)(T-1)$

例：4个时间点，80名被试，原始df = (3, 237)，若ε = 0.685：

$df_1^{GG} = 0.685 \times 3 = 2.05$ $df_2^{GG} = 0.685 \times 237 = 162.32$

校正后的F检验：F值本身不变，只有自由度变了。相同的F值，在更保守的（更小的）自由度下，p值会变大——这就是校正的意义所在。

何时用GG，何时用HF

校正方法	适用场景
Greenhouse-Geisser（GG）	ε < 0.75，球形偏差较严重，保守校正首选
Huynh-Feldt（HF）	ε ≥ 0.75，球形偏差较轻，校正更宽松
无校正（球形成立）	Mauchly p > .05，直接用整数df

APA 7th没有强制规定使用哪种校正，但GG是最保守、最被广泛接受的选择。若ε ≥ 0.75，可选HF并在报告中注明。

校正后df一定不要取整

这是重复测量报告最常见的格式错误：

错误写法	正确写法
F(2, 162) = 18.74	F(2.05, 162.32) = 18.74
F(3, 237)（未校正，但应校正）	F(2.05, 162.32)（GG校正后）

三、APA 7th格式规范：重复测量ANOVA必须包含的要素

必报要素清单

要素	格式	示例
Mauchly球形检验	W = .XX, chi^2(df) = X.XX, p [值]	W = .487, chi^2(5) = 56.32, p < .001
校正方法（若球形违反）	采用GG/HF校正，ε = .XX	epsilon = 0.685
F统计量（GG校正后df）	F(df1, df2) = X.XX	F(2.05, 162.32) = 18.74
p值	p = .XXX 或 p < .001	p < .001
效应量	partial eta^2 = .XX	partial eta^2 = .441
各时间点描述统计	M = XX, SD = XX	M = 82.6, SD = 7.5
事后比较（若F显著）	方法 + Bonferroni校正 + 结果	见下文模板

p值与F值的精度要求

F值精确到两位小数：F = 18.74（不写18.7或18.744）
GG校正后的df保留两位小数：F(2.05, 162.32)
p值精确到三位小数，不加前导零：p = .032（不写p = 0.032）
p = .000不规范，改写为p < .001

四、效应量：重复测量ANOVA必须报告partial eta^2

重复测量ANOVA必须报告偏eta平方（partial eta^2），原因和双因素ANOVA相同：

$\text{partial }\eta^2 = \frac{SS_{time}}{SS_{time} + SS_{error}}$

不能报告eta^2（非偏），因为重复测量设计中总SS还包含被试间误差，用total SS作分母会低估时间效应的真实贡献。

Cohen（1988）效应大小标准（partial eta^2相同）：

效应大小	partial eta^2
小效应	.01
中效应	.06
大效应	.14

五、完整APA报告模板（含球形检验、GG校正、事后比较）

场景一：球形假设不成立，采用GG校正

情形：80名大学生参与4周干预，在基线/第2周/第4周测量焦虑分数（0-100），研究问题：焦虑分数是否随时间显著下降？

Mauchly检验段落：

对3个时间点（基线、第2周、第4周）的焦虑分数进行重复测量方差分析。
Mauchly球形检验结果显著，W = .487，chi^2(2) = 56.32，p < .001，
球形假设不成立，采用Greenhouse-Geisser方法对自由度进行校正（ε = 0.685）。

主效应段落：

时间主效应显著，F(1.37, 108.23) = 43.18，p < .001，partial eta^2 = .355，
为大效应（Cohen，1988），表明被试焦虑分数在3个时间点间存在显著差异。

事后比较段落：

采用Bonferroni方法进行事后成对比较。基线（M = 68.4，SD = 12.3）焦虑分数
显著高于第2周（M = 54.7，SD = 11.8；均值差 = 13.7，95% CI [10.2, 17.2]，p < .001）
和第4周（M = 47.9，SD = 11.1；均值差 = 20.5，95% CI [16.8, 24.2]，p < .001）；
第2周焦虑分数亦显著高于第4周（均值差 = 6.8，95% CI [3.1, 10.5]，p = .001）。

完整段落整合版（可直接复制进论文）：

对3个时间点（基线、第2周、第4周）的焦虑分数进行重复测量方差分析，Mauchly球形检验结果显著，W = .487，chi^2(2) = 56.32，p < .001，球形假设不成立，采用Greenhouse-Geisser方法对自由度进行校正（ε = 0.685）。时间主效应显著，F(1.37, 108.23) = 43.18，p < .001，partial eta^2 = .355，为大效应（Cohen，1988），表明焦虑分数随干预进程显著下降。Bonferroni事后多重比较显示，基线（M = 68.4，SD = 12.3）焦虑分数显著高于第2周（M = 54.7，SD = 11.8；均值差 = 13.7，p < .001）和第4周（M = 47.9，SD = 11.1；均值差 = 20.5，p < .001）；第2周焦虑分数亦显著高于第4周（均值差 = 6.8，p = .001）。

场景二：球形假设成立，无需校正

情形：同一被试在3种噪音条件（无噪音/白噪音/工地噪音）下完成专注力测试，Mauchly检验不显著。

对3种噪音条件（无噪音、白噪音、工地噪音）下的专注力分数进行重复测量方差分析。
Mauchly球形检验结果不显著，W = .921，chi^2(2) = 7.43，p = .084，
满足球形假设，使用未校正的自由度。
噪音条件主效应显著，F(2, 158) = 28.64，p < .001，partial eta^2 = .266，
为大效应（Cohen，1988）。Bonferroni事后比较显示，无噪音条件（M = 89.3，SD = 8.1）
专注力分数显著高于白噪音（M = 82.7，SD = 9.4；p < .001）和工地噪音
（M = 71.4，SD = 10.8；p < .001）；白噪音亦显著优于工地噪音（p = .002）。

场景三：混合设计（被试内 × 被试间）

情形：实验组（n = 40）与对照组（n = 40），各测3个时间点，关注组别 × 时间交互效应。

核心报告要素：

混合方差分析结果显示：
时间主效应（被试内）：Mauchly W = .XX，chi^2(df) = XX，p = .XXX；
  采用GG校正（ε = .XX）后，F(GG校正df) = X.XX，p [值]，partial eta^2 = .XX；
组别主效应（被试间）：F(1, 78) = X.XX，p [值]，partial eta^2 = .XX；
组别 × 时间交互效应：F(GG校正df) = X.XX，p [值]，partial eta^2 = .XX。

填入数值的示例：

混合方差分析结果显示，时间主效应显著，Mauchly W = .714，chi^2(2) = 22.17，p < .001，采用Greenhouse-Geisser校正（ε = 0.793），F(1.59, 123.71) = 31.82，p < .001，partial eta^2 = .290，为大效应；组别主效应显著，F(1, 78) = 16.47，p < .001，partial eta^2 = .174，为大效应；组别 × 时间交互效应显著，F(1.59, 123.71) = 9.38，p < .001，partial eta^2 = .107，为中至大效应，表明实验组与对照组在时间变化轨迹上存在显著差异。进一步简单效应分析显示……

六、在ChatSRS一句话获得规范报告

打开 chatsrs.com，上传数据后输入：

"对80名被试在4个时间点（基线/4周/8周/12周）的抑郁分数做重复测量方差分析：先做Mauchly球形检验；如不满足，用Greenhouse-Geisser校正，输出校正后的非整数自由度；报告F值、p值、partial eta^2效应量；用Bonferroni方法做事后两两比较；给出符合APA 7th格式的完整报告段落，包含各时间点M和SD。"

ChatSRS（R引擎）自动完成以下步骤：

调用ezANOVA或aov检验球形性，输出Mauchly W统计量
检测到球形违反时自动切换GG校正，df以小数形式输出
计算partial eta^2和事后Bonferroni比较
将所有数值套入APA 7th模板，生成可直接复制的报告段落

七、方法章节标准描述

采用单因素重复测量方差分析（One-Way Repeated Measures ANOVA）检验[因变量]
随时间的变化趋势。分析前以Mauchly检验评估球形假设；若p < .05，
采用Greenhouse-Geisser方法校正自由度（报告校正后ε值及非整数df）；
若ε ≥ 0.75，改用Huynh-Feldt校正。F检验显著（p < .05）时，
以Bonferroni方法进行事后成对比较，控制familywise I类错误率。
效应量报告偏eta平方（partial eta^2），参照Cohen（1988）标准
（.01 = 小效应，.06 = 中效应，.14 = 大效应）。
统计分析使用ChatSRS（R引擎），显著性水平设定为α = .05。

八、重复测量APA报告常见错误对照表

常见错误	正确写法	违反的规则
未报告Mauchly球形检验	W = .XX，chi^2(df) = XX，p = .XXX	APA要求前提检验必须报告
球形违反但用整数df	F(2.05, 162.32)，不取整	GG校正df必须保留两位小数
F值无自由度	F(2.05, 162.32) = 18.74	APA要求写两个df
报告eta^2而非partial eta^2	重复测量必须用partial eta^2	多因素/重复测量专用partial
事后比较无校正方法说明	明确写Bonferroni/LSD/BH	多重比较必须说明校正方法
p = .000	p < .001	.000是舍入假值
ε未报告	在GG/HF后括注ε = .XX	让读者了解球形偏差程度
df1未校正但df2校正	两个df必须同时用GG校正	GG校正是对两个df同时乘ε
混合设计只报告被试内F	被试间和交互效应也要报告	混合设计三个效应均需报告

常见FAQ

Q：Greenhouse-Geisser和Huynh-Feldt怎么选？审稿人会有意见吗？

A：最保守的选择是始终使用GG，绝大多数期刊和审稿人都接受。如果ε ≥ 0.75，HF校正更宽松（保留更多统计功效），也可以使用，但需在报告中明确注明"采用Huynh-Feldt校正（ε = .XX）"。从实操角度：如果两种校正的结论（显著/不显著）一致，选哪种意义不大；如果结论不一致，建议选GG并在讨论中说明差异。ChatSRS默认输出两种校正结果供参考。

Q：重复测量ANOVA的事后比较为什么推荐Bonferroni而不是Tukey HSD？

A：Tukey HSD是专为独立组间设计设计的，其假设各组样本量相等且独立，不适用于重复测量设计（同一被试出现在所有条件中）。重复测量事后比较的标准选择是Bonferroni（将每次比较的显著性水平除以比较次数），它控制familywise错误率且无独立性假设。如果比较次数很多（>10对），可考虑Benjamini-Hochberg（BH）FDR校正，功效更高。方法章节中必须说明使用了哪种校正方法。

Q：球形假设不成立，除了GG校正，还有哪些替代方案？

A：三种替代方案：(1) GG/HF校正（最常用，保留单变量框架，只校正df）；(2) 多变量方法（MANOVA）——将重复测量重构为多变量问题，完全不依赖球形假设，但功效在小样本时偏低；(3) 混合效应模型（Linear Mixed Model）——最灵活，能处理缺失数据和不等时间间隔，是当前方法论推荐的主流选择。APA Publication Manual接受以上三种，需在方法章节说明选用理由。

Q：只有2个时间点的重复测量，还需要做球形检验吗？

A：不需要。球形假设只在T ≥ 3（3个及以上时间点）时有意义——只有2个差值分数时，"各差值方差相等"自动满足，不存在球形问题。2个时间点的重复测量等价于配对样本t检验，报告格式完全不同，参见APA配对t检验报告规范。

快速参考：重复测量ANOVA报告格式速查卡

[球形假设成立，Mauchly p > .05]
Mauchly W = .XX，chi^2(df) = X.XX，p = .XXX（球形假设成立）
F(T-1, (N-1)(T-1)) = X.XX，p [值]，partial eta^2 = .XX
事后：Bonferroni / LSD，报告均值差 + 95% CI + p值

[球形假设不成立，GG校正]
Mauchly W = .XX，chi^2(df) = X.XX，p < .001（球形假设违反）
采用Greenhouse-Geisser校正，ε = .XX
F(ε*(T-1) 两位小数，ε*(N-1)(T-1) 两位小数) = X.XX，p [值]，partial eta^2 = .XX
注：括号内df为非整数，不取整

[混合设计（被试内 × 被试间）]
被试内（时间）效应：Mauchly检验 → GG校正 → F(校正df) + partial eta^2
被试间（组别）效应：F(k-1, N-k) + partial eta^2
交互效应：F(校正df) + partial eta^2
三个效应均需单独报告