ตัวอย่างการวิเคราะห์

           subject    test1          test2          test3

             1                 300              160              155

             2                 240              110              100

             3                 160                90                55

             4                 220              125              120

             5                   75                48               70

             6                 130                70                50

             7                 180               130               80

             8                 120                 64               80

จากการวิเคราะห์โปรแกรมสำเร็จรูป SPSS ด้วยคำสั่ง

ดังนี้ Statistics

            General Linear Model

                        GLM-Repeated Measures..

ศึกษาการกำหนดค่าต่างๆ ในโปรแกรม SPSS รายละเอียดแสดงการลงข้อมูลและการกำหนดค่าในโปรแกรม SPSS ในการวิเคราะห์ ศึกษาได้ที่ Using SPSS: One-way Repeated-Measures ANOVA โดยกำหนดที่ใช้ในการคำนวณหาค่าความแปรปรวนภายใน(WS factors) ในที่นี้คือตัวแปรการวัดซ้ำ 3  คือตัวแปร กลุ่มของการทดสอบ (tests) มี 3 กลุ่มคือ "test1", "test2" and "test3"โดยใน subject ทั้ง 8 คน จะต้องทำการ test 3 ครั้ง ซึ่งจะมี Designs แบบ One crossover factor

คำถามในการวิเคราะห์ คือ การทดสอบแต่ละครั้งมีผลต่อทำให้คะแนนแตกต่างกันหรือไม่ สามารถตั้งสมมติฐานได้ดังนี้     

เนื่องจากผลจากการทดสอบ (Tests) เป็น Fixed effect สถิติ F-test ที่ใช้วิเคราะห์จึงได้จากสูตรดังนี้

F  =  MS_T/ MS_Error

ทำการตรวจสอบข้อตกลงเบื้องต้น คือ 1.Normality ตรวจสอบการแจกแจงของค่าคลาดเลื่อน ต้องมีการแจกแจงแบบปกติ จากตารางผลด้านล่างสามารถสรุปได้ว่า ข้อมูลมีการแจกแจงปกติ

ส่วน 2. Homogeneity ค่าความแปรปรวนของแต่ละกลุ่มต้องเท่ากัน สามารถตรวจสอบได้โดยTest of Homogeneity of variances และ  3. Compound symmetry. จากการวิเคราะห์ใน SPSS จะให้สถิติที่สามารถบอกได้ทั้ง Homogeneity และ Compound symmetry คือ Mauchly’s test (non significant) ดังนั้นข้อมูลชุดนี้จึงสามารถทำการวิเคราะห์ด้วย Repeated measures ANOVA ได้

ผลที่ได้จากการวิเคราะห์

Table ANOVA table for balanced repeated measure design with one crossover factor.

            ( *P< 0.001 )

สรุปผล

จากการวิเคราะห์ข้อมูลพบว่า F(2,14)=25.83 P value < 0.001 จึงต้องปฏิเสธ H₀ หรือกล่าวได้ว่า การทดสอบในแต่ละครั้งมีผลทำให้ค่าเฉลี่ยของคะแนนแตกต่างกันอย่างมีนัยสำคัญทางสถิติ และทำการทดสอบความแตกต่างของค่าเฉลี่ยในแต่ละคู่(Post-hoc Tests) พบว่า การทดสอบทั้งครั้งที่ 1 แตกต่างจากครั้งที่ 2 และ ครั้งที่ 3 อย่างมีนัยสำคัญทางสถิติ (Test1-Test2 : t(7) = 5.58, p<0.001; Test 1-Test 3 : t(7) = 5.33, p<0.001) แต่คะแนนเฉลี่ยของการทดสอบครั้งที่ 2 กับครั้งที่ 3 แตกต่างกันอย่างไม่มีนัยสำคัญทางสถิติ ( Test2-Test3 :
t(7) = 1.28, p = .243, not significant)