İki özne faktörü için R'de lme / lmer ile tekrarlanan ANOVA ölçümleri

Tekrarlanan önlemler ANOVA için sonuçları çoğaltmak lmeiçin nlmepaketten kullanmaya çalışıyorum aov. Bunu tek faktörlü tekrarlanan ölçümler deneyi ve denekler arasında bir faktör ve bir denek içi faktörü ile iki faktörlü bir deney için yaptım, ancak bunu iki faktörlü iki faktörlü bir deney için yapmakta sorun yaşıyorum - faktörler faktörleri.

Aşağıda bir örnek gösterilmiştir. Ave Bsabit etki faktörleridir ve subjectrastgele etki faktördür.

set.seed(1)
d <- data.frame(
    Y = rnorm(48),
    subject = factor(rep(1:12, 4)),
    A = factor(rep(1:2, each=24)),
    B = factor(rep(rep(1:2, each=12), 2)))

summary(aov(Y ~ A*B + Error(subject/(A*B)), data=d))  # Standard repeated measures ANOVA

library(nlme)
# Attempts:
anova(lme(Y ~ A*B, data=d, random = ~ 1 | subject))  # not same as above
anova(lme(Y ~ A*B, data=d, random = ~ 1 | subject/(A+B)))  # gives error

Pinheiro ve Bates kitabında bunun bir açıklamasını göremedim ama gözden kaçırmış olabilirim.

Hangi konuda uydurma konum aovbir şerit grafiği denir ve bu uyması için yanıltıcı olabileceğini lmeçünkü subject:Ave subject:Brastgele etkiler kesilmişlerdir.

İlk denemeniz, aov(Y ~ A*B + Error(subject), data=d)tüm rastgele efektleri içermeyen eşdeğerdir ; ikinci denemeniz doğru fikirdir, ancak lme kullanarak çapraz rastgele efektlerin sözdizimi çok zor.

Kullanılması lmegelen nlmepaketin, kod olurdu

lme(Y ~ A*B, random=list(subject=pdBlocked(list(~1, pdIdent(~A-1), pdIdent(~B-1)))), data=d)

Kullanılması lmergelen lme4paketin, kod gibi bir şey olurdu

lmer(Y ~ A*B + (1|subject) + (1|A:subject) + (1|B:subject), data=d)    

R-help Bu konu yardımcı olabilir (ve kredi vermek, ben nlmekodu nereden budur).

http://www.biostat.wustl.edu/archives/html/s-news/2005-01/msg00091.html

http://permalink.gmane.org/gmane.comp.lang.r.lme4.devel/3328

http://www.mail-archive.com/r-help@stat.math.ethz.ch/msg10843.html

Bu son bağlantı Pinheiro / Bates'in p.165; bu da yardımcı olabilir.

DÜZENLEME: Ayrıca, sahip olduğunuz veri kümesinde, varyans bileşenlerinin bazılarının negatif olduğunu, bu da lme ​​ile rastgele efektlerin kullanılmasına izin verilmediğini ve sonuçların farklı olduğunu unutmayın. Tüm pozitif varyans bileşenlerine sahip bir veri seti 8'lik bir tohum kullanılarak oluşturulabilir. Ayrıntılar için bu cevaba bakınız.

Ayrıca unutmayınız lmegelen nlmedoğru serbestlik payda derecelerini hesaplamak etmez F-istatistik p-değerleri katılıyorum ama o kadar, ve lmergelen lme4o dengesiz geçti rastgele etkilerin varlığında çok zor çünkü çok denemek ve olmayabilir gelmez hatta mantıklı bir şey olabilir. Ama bu buraya girmek istediğimden daha fazla.

Yapmaya çalıştığınız şey buysa, ilk denemeniz doğru cevaptır. nlme () bileşenleri arasında ve içinde çalışır, bunları belirtmenize gerek yoktur.

Karşılaştığınız sorun, modeli nasıl belirleyeceğinizi bilmemeniz değil, çünkü tekrarlanan ölçümler ANOVA ve karışık efektler aynı şey değil. Bazen ANOVA ve karışık efektler modelinin sonuçları eşleşir. Bu, özellikle verilerinizi bir ANOVA için yaptığınız gibi topladığınızda ve her ikisini de hesapladığınızda budur. Ancak genellikle, doğru yapıldığında, sonuçlar benzer olsa da, sonuçlar neredeyse hiçbir zaman aynı değildir. Örnek verileriniz, genellikle S içindeki her bir ölçümün kopyalarına sahip olduğunuz tekrarlanan gerçek ölçümlere benzemez. Bir ANOVA yaptığınızda, her bir öznenin etkisinin bir tahminini almak için genellikle bu kopyalar arasında toplanırsınız. Karışık efekt modellemesinde böyle bir şey yapmazsınız. Ham verilerle çalışıyorsunuz. Bunu yaptığınızda sen

[bir kenara, lme () yerine lmer () (lme4 paketinden) kullanarak, örneğin örneğinizdeki efektler için ANOVA ile tam olarak eşleşen SS ve MS değerleri verin, sadece F'ler farklıdır]