在医学研究中,常常会对病人的生命体征进行重复测量,以评价药物的安全性和有效性.受试者需在规定的时间点接受治疗,但失访的事件并不少见,因此其实验数据具有特殊的结构,最重要的是观察值之间存在相关性.常规统计分析方法如回归分析,方差分析等,基于误差分解的原理,可以用于描述响应变量与解释变量的关系,但由于严格的假设条件,无法适用于此类数据.线性混合效应模型则可以巧妙利用数据之间的相关性,即使重复测量的时间间隔不尽相同也具有良好的拟合效果.本文以新药研发临床试验为例,拟采用线性混合效应模型的分析方法,使用SAS软件编程,借助于抑郁量表和焦虑量表的评分结果,旨在评估一类新型抗抑郁症药物的有效性.首先,进行建模前的描述性统计,详细描述了试验分组情况,基于量表评分对药物疗效作初步评价;然后,检验观测值的正态性假设,运用截距模型和斜率模型探索数据拟合效果,讨论适应数据类型残差方差-协方差结构,并对个体多次测量之间的相关性进行分析;最后,将影响测评分数的协变量纳入模型,拟合出最佳模型,对试验结果作了最终评估,验证了对该抗抑郁症药物疗效的猜想.