Ben bakarak edilmiş @conjugateprior tarafından / lm bu bakış llmer R formüller ve aşağıdaki girişi ile karıştı:
Şimdi A'nın rastgele olduğunu, ancak B'nin sabit olduğunu ve B'nin A içinde iç içe olduğunu varsayalım.
aov(Y ~ B + Error(A/B), data=d)
lmer(Y ~ B + (1 | A:B), data=d)
Aynı durum için aşağıdaki analog karma model formülü verilmiştir.
Ne anlama geldiğini tam olarak anlamadım. Deneklerin birkaç gruba ayrıldığı bir deneyde, sabit bir faktör (gruplar) içine yerleştirilmiş rastgele bir faktöre (denekler) sahip oluruz. Fakat sabit bir faktör rastgele bir faktör içinde nasıl yerleştirilebilir? Rasgele konular içine yerleştirilmiş sabit bir şey? Mümkün mü? Bu mümkün değilse, bu R formülleri mantıklı geliyor mu?
Bu genel bakış kısmen, kişilik projesinin, R'de tekrarlanan ölçümlere dayanarak bu öğreticiye dayanarak , R'de ANOVA yapma sayfalarına dayandığı belirtilmektedir . ANOVA tekrarlanan önlemler için aşağıdaki örnek verilmiştir:
aov(Recall ~ Valence + Error(Subject/Valence), data.ex3)
Burada denekler değişken değerde kelimelerle (üç seviyeli faktör) sunulur ve geri çağırma süreleri ölçülür. Her konu üç değerlik seviyesinin tümü ile birlikte sunulmaktadır. Bu tasarımda iç içe geçmiş hiçbir şey göremiyorum ( buradaki büyük cevaba göre çarpı işareti gibi görünüyor ) ve bu nedenle bu durumda uygun rastgele bir terim olduğunu Error(Subject)
ya (1 | Subject)
da uygun olacağını düşünüyorum . Subject/Valence
"Yuvalama" (?) Karıştırıyor.
Bunun Valence
bir konu içi faktör olduğunu anladığımı unutmayın . Ancak bence denekler arasında “iç içe geçmiş” bir faktör olmadığını düşünüyorum (çünkü tüm denekler üç seviyenin hepsini de yaşıyor Valence
).
Güncelleştirme. Özgeçmiş ile kodlanmış tekrarlanan ölçümleri ANOVA'da R ile ilgili soruları araştırıyorum.
Burada aşağıdakiler, sabit konu içindeki / tekrarlanan önlemler A ve rastgele için kullanılır
subject
:summary(aov(Y ~ A + Error(subject/A), data = d)) anova(lme(Y ~ A, random = ~1|subject, data = d))
Burada iki sabit konu içi / tekrarlanan ölçümler etkisi A ve B için:
summary(aov(Y ~ A*B + Error(subject/(A*B)), data=d)) lmer(Y ~ A*B + (1|subject) + (1|A:subject) + (1|B:subject), data=d)
Burada üç konu içi etki A, B ve C için:
summary(aov(Y ~ A*B*C + Error(subject/(A*B*C)), data=d)) lmer(Y ~ A*B*C + (1|subject) + (0+A|subject) + (0+B|subject) + (0+C|subject) + (0+A:B|subject) + (0+A:C|subject) + (0+B:C|subject), data = d)
Sorularım:
- Neden
Error(subject/A)
ve değilError(subject)
? - Öyle mi
(1|subject)
yoksa(1|subject)+(1|A:subject)
basitçe(1|A:subject)
mi? - Öyle mi
(1|subject) + (1|A:subject)
yoksa(1|subject) + (0+A|subject)
ve neden sadece(A|subject)
?
Şimdiye kadar, bu şeylerin bazılarının eşdeğer olduğunu iddia eden bazı iplikler gördüm (örneğin, ilk: aynı olduklarını iddia eden, ancak SO için zıt bir talep ; üçüncü: aynı olduklarını iddia eden bir iddia ). Onlar mı?
subject/condition
, bunun gibi rastgele bir terim düşünürsek , bu kavramsal olarak şüphelidir, çünkü koşulların konulara iç içe geçtiğini, açıkça tersi olduğu anlaşılıyor, ancak gerçekte uygun subject + subject:condition
olan model, rastgele konu efektleriyle mükemmel şekilde geçerli bir modeldir. ve rastgele konu X eğimleri.
lm
ve aov
formüller var mı? Tam olarak neyin aov
işe yaradığı (sarmalayıcı lm
mı?) Ve Error()
terimlerin nasıl çalıştığı konusunda nereye bakmalıyım?
aov
bir ambalajlayıcıdır , ancak bazı ek işler yapar (özellikle terim için ). Yetkili kaynak, kaynak kodu veya büyük olasılıkla verilen referanslar : Chambers et al (1992). Ancak bu referansa erişimim yok, bu yüzden kaynak koduna bakardım. lm
lm
aov
Error
lm
help("aov")