Eşleştirilmiş, tekrarlanan önlemler ANOVA mı yoksa karma bir model mi?

Kan basıncını ölçmek için iki yöntem arayan bir klinik deneyden bazı verileri analiz etmem istendi. 50 denekten verilerim var, her biri her metodu kullanarak 2 ila 57 arasında ölçüme sahip.

En iyi nasıl ilerleyeceğimizi merak ediyorum.

Açıkçası, kan basıncı ölçümünün eşleştirildiğini (eşzamanlı olarak ölçülen iki yöntem) ve ayrıca zamanla değişen bir değişken (hasta başına değişen sayıda gözlem ile) ve ayrıca intra- ve inter- hasta değişkenliği.

Ben bir şekilde bunu tekrar tekrar ölçümler ANOVA içine ayakkabı horning düşünüyordum, ama karışık bir model yaklaşım olması gerekebilir düşünüyorum.

Sunabileceğiniz faydalı tavsiyeleri takdir ediyorum.

Ben tam bir R acemi değilim ama becerilerini geliştirmek için çok heyecanlıyım ve Stata'da ılımlı bir deneyimim var, bu yüzden her zaman buna geri düşebilirler.

Tekrarlama sayısı tüm konular için aynı olmadığından RM-ANOVA ile yapmak istediğinizi kolayca yapabileceğinizi sanmıyorum. R'de karma efektli modeller çalıştırmak çok kolaydır. Aslında, temelleri ve komutları öğrenmek için biraz zaman harcayarak, size birçok olasılık açacaktır. Ayrıca karma modellemeyi daha basit ve daha esnek buluyorum ve neredeyse hiçbir zaman RM-ANOVA'yı doğrudan yapmam gerekmiyor. Son olarak, karışık modelleme ile artıkların birçok uygulama için önemli olabilecek kovaryans yapısını (RM-ANOVA'nın sadece çapraz bir yapı olduğunu varsayabilir) hesaba katabileceğinizi düşünün.

R'de doğrusal karma modelleme için iki ana paket vardır: nlmeve lme4. lme4Paketler, büyük veri kümeleri için ve ayrıca kümelenmiş verilerle başa durumlar için mükemmeldir daha modern bir tanesidir. Nlmeeski bir pakettir ve çoğunlukla lehine kullanımdan kaldırılır lme4. Bununla birlikte, tekrarlanan ölçüm tasarımları için, lme4sadece nlmeartıkların kovaryans yapısını modellemenize izin verdiği için hala daha iyidir . Temel sözdizimi nlmeçok basittir. Örneğin:

fit.1 <- lme(dv ~ x + t, random=~1|subject, cor=corCompSymm())

Burada bağımlı bir değişken dvile bir faktör xve zamanla ilişkili ortak değişken arasındaki ilişkiyi modelleniyorum t. Subjectrastgele bir etkidir ve artıkların kovaryansında bileşik simetri yapısı kullandım. Artık rezil p değerlerini kolayca elde edebilirsiniz:

anova(fit.1)

Son olarak, kesin referans kılavuzu olan S ve S-Plus'ta Karışık Efekt Modelleri'ni kullanarak nlme hakkında daha fazla bilgi vermenizi öneririm . Yeni başlayanlar için bir başka iyi referans, Doğrusal Karışık Modellerdir - R, SAS, SPSS, vb.

Eğer R. kullanarak karışık model ile RM-ANOVA arıyorsanız Bunu kontrol etmek isteyebilirsiniz http://blog.gribblelab.org/2009/03/09/repeated-measures-anova-using-r/ vardır RM-ANOVA'yı gerçekleştirmek için karma modelin nasıl kullanılacağını göstermek için harika örnekler.

Deneyimlerime dayanarak, SAS, karma modelle başa çıkmak için daha iyi bir araçtır. SAS kullanıyorsanız, RM-ANOVA için "Proc Mixed" SAS yardımına bakabilirsiniz.