重复测量设计下名义变量的统计检验：Friedman检验是否适用？

研究背景 #

• 30名参与者完成3次重复测试
• 自变量：3首不同音乐（名义数据）
• 因变量：选择与音乐匹配的3个场地之一（名义数据）
• 核心目的：验证不同音乐是否显著影响参与者的场地选择

疑问与解答 #

1. 能否使用Friedman检验及事后符号检验？ #

不能。
Friedman检验的核心逻辑是对同一受试者在不同条件下的结果排序，要求因变量为有序数据或连续数据——你的场地选择只是无顺序的分类（比如“咖啡馆/公园/书店”之间没有等级高低），强行使用Friedman检验会错误给类别赋予不存在的顺序意义，导致结果无效。
符号检验依赖配对数据的差异方向（比如“更喜欢A还是B”“得分更高/更低”），但你的数据是名义选择，没有这种可比较的顺序或差值，因此也不适用。

2. 适用的显著性检验方法 #

• McNemar-Bowker检验：这是专门针对≥3个重复测量条件下名义分类数据的检验，是2×2重复测量McNemar检验的扩展。它直接检验不同音乐条件下，参与者的场地选择分布是否存在显著差异，完全匹配你的研究设计。
• Cochran's Q检验（需调整）：原本用于二分名义数据的重复测量，但你可以将因变量重新编码（比如针对单个场地，选它记为1，不选记为0），逐一检验每个场地在不同音乐下的选择差异。不过这种方法需要多次检验，记得做Bonferroni校正来控制假阳性率。
• 多水平多分类logistic回归：如果想深入分析个体差异的影响，或者获取音乐对场地选择的具体效应量，可以用这个模型。它能处理重复测量的聚类结构（同一参与者的多次测试），同时适配多分类名义因变量，比单纯的显著性检验提供更丰富的结果。

内容的提问来源于stack exchange，提问作者gladys0313