在临床试验中,重复测量数据是一种常见的数据类型。其特点之一是数据间通常不独立,具有一定的相关性。忽视数据之间的相关性,可能会导致方法的滥用和错误的结论。此外,临床试验中常因受试者脱落导致重复测量数据有缺失,这可以看作其特点之二。本文主要从这两个方面探讨重复测量数据的统计分析问题。本文通过一个临床试验实例的分析,指出了误用方法产生的错误结论,比较了方差分析和混合效应线性模型两种方法的差异:对于完整数据集,二者结论一致;当数据有缺失值时,混合效应线性模型更稳健。通过此实例还可以发现,混合效应线性模型分析时,仅通过比较AIC值来选择协方差结构的常规做法可能产生不合理的结论。对于AIC值较接近的协方差结构,建议结合描述统计图像或方差分析的结果来进行筛选。此外,本文尝试了通过Monte Carlo模拟生成四种常见相关结构的完整重复测量数据和不同缺失比例的重复测量数据,采用方差分析和混合效应线性模型两种方法进行分析比较。通过模拟发现:二者都能将第Ⅰ类错误率控制在0.05左右;对于完整数据集,二者检验效能接近;对于含有缺失值的数据集,混合效应线性模型检验效能更大,且随着数据缺失率的增大,混合效应线性模型优势更加明显。