単一因子反復Anova不平衡設計

私は、ある被験者に対していくつかの測定を行って、データセットにAnova 1因子を実現しようとしています。私に興味単一因子反復Anova不平衡設計

> str(LMDAv) #To check class 
'data.frame': 1075 obs. of 11 variables: 
$ CowID  : Factor w/ 71 levels "1921","1923",..: 1 1 1 2 2 2 3 3 3 4 ... 
$ Date  : Date, format: "2014-01-27" "2014-01-28" "2014-01-29" ... 
$ Feeding  : Factor w/ 2 levels "hoko","strap": 1 1 1 1 1 1 1 1 1 1 ... 
$ Mean  : num 246 232 159 115 154 ... 
$ SD   : num 291.7 178.4 161.2 141.1 73.3 ... 
$ Min   : num 27 20 14 16 35 13 15 25 37 9 ... 
$ Max   : num 1634 821 547 838 440 ... 
$ MeasTime : Factor w/ 38 levels "60","120","180",..: 1 1 1 1 1 1 1 1 1 1 ... 
$ NumObs  : num 121 120 121 121 121 122 121 121 121 121 ... 
$ MeasTimeLow : Factor w/ 4 levels "60","120","180",..: 1 1 1 1 1 1 1 1 1 1 ... 
$ MeasTimeHigh: Factor w/ 5 levels "60","120","180",..: 1 1 1 1 1 1 1 1 1 1 ...

の列が最初です： - 変数は、私が説明したい平均; - CowID（件名）。 - MeasTimeLow：測定時間=テストしたい要素です。この分析の目的は、60,120,180、または240秒間に測定するものが変更されるかどうかを確認することです。だから、各CowIDには、私はいくつかの測定時間がありますが、同じ数ではありません。私は各カップルのために少なくとも3 Meanを持っていますCowID：MeasurementTime。だから私の主題はCowIDになり、各CowIDの各測定時間を比較したいと思う。

> table(LMDAv$CowID, LMDAv$MeasTimeLow) 

     60 120 180 240 
    1921 3 3 3 6 
    1923 3 3 3 6 
    1924 3 3 3 6 
    1953 3 3 3 6 
    1962 3 3 3 6 
    1967 3 3 3 6 
    1982 3 3 5 4 
    1989 3 3 3 6 
    1990 2 2 4 2 
    1993 3 3 3 6 
    1995 3 3 3 6 
    2003 3 3 3 6 
    2005 3 3 3 6 
    2007 3 3 3 6 
    2019 3 3 3 6 
    2023 3 3 3 6 
    2028 3 3 3 6 
    2038 3 3 3 6 
    2040 3 3 3 6 
    2045 3 3 3 6 
    2046 3 3 3 6 
    2047 3 3 3 6 
    2049 3 3 3 6 
    2053 3 3 3 6 
    2062 3 3 3 6 
    2067 3 3 3 6 
    2069 3 3 5 4 
    2070 3 3 3 6 
    2094 3 3 3 6 
    2103 3 3 5 4 
    2108 3 3 3 6 
    2111 3 3 3 6 
    2112 3 3 3 6 
    2118 3 3 3 6 
    2124 3 3 3 6 
    2132 3 3 5 4 
    2133 3 3 3 6 
    2134 3 3 3 6 
    2136 3 3 3 6 
    2138 3 3 3 6 
    2140 6 6 6 12 
    2143 3 3 5 4 
    2155 3 3 3 6 
    2161 3 3 3 6 
    2163 3 3 3 6 
    2165 3 3 3 6 
    2171 3 3 3 6 
    2183 3 3 3 6 
    2187 3 3 3 6 
    2200 3 3 3 6 
    2209 3 3 3 6 
    2211 3 3 3 6 
    2213 3 3 3 6 
    2222 3 3 3 6 
    2223 3 3 3 6 
    2227 3 3 3 6 
    2228 3 3 3 6 
    2234 3 3 3 6 
    2235 3 3 3 6 
    2239 3 3 3 6 
    2242 3 3 3 6 
    2245 3 3 3 6 
    2246 3 3 3 6 
    2248 3 3 3 6 
    2252 3 3 3 6 
    2254 3 3 3 6 
    2257 3 3 3 6 
    2259 3 3 3 6 
    2261 3 3 3 6 
    2265 3 3 3 6 
    2275 3 3 3 6

サンプルサイズが異なるため、私はできません。だから私はxyplot実行しようとしました：

library(Matrix) 
library(nlme) 
library(lme4) 
xyplot(Mean~MeasTimeLow|CowID, type=c("p","r"), data=LMDAv)

をしかし、私はLMEを走ったので、それはコマンド「xyplot」を見つけることができないことを私に伝えるエラーメッセージがあります

> Time.Cow<-lme(Mean~MeasTimeLow,random=~1|CowID/MeasTimeLow, data=LMDAv) 
> summary(Time.Cow) 
Linear mixed-effects model fit by REML 
Data: LMDAv 
     AIC  BIC logLik 
    11014.08 11048.91 -5500.04 

Random effects: 
Formula: ~1 | CowID 
     (Intercept) 
StdDev: 23.50398 

Formula: ~1 | MeasTimeLow %in% CowID 
     (Intercept) Residual 
StdDev: 0.002203522 38.24478 

Fixed effects: Mean ~ MeasTimeLow 
        Value Std.Error DF t-value p-value 
(Intercept) 135.80891 3.820368 791 35.54865 0.0000 
MeasTimeLow120 7.64225 3.688654 210 2.07183 0.0395 
MeasTimeLow180 8.59529 3.644843 210 2.35821 0.0193 
MeasTimeLow240 12.81500 3.211478 210 3.99037 0.0001 
Correlation: 
       (Intr) MTL120 MTL180 
MeasTimeLow120 -0.483    
MeasTimeLow180 -0.489 0.506  
MeasTimeLow240 -0.554 0.574 0.579 

Standardized Within-Group Residuals: 
     Min   Q1   Med   Q3   Max 
-2.41920844 -0.64816910 -0.05149839 0.59765336 4.81399462 

Number of Observations: 1075 
Number of Groups: 
       CowID MeasTimeLow %in% CowID 
        71     284

そして、それは私が欲しいものを私に与えます：異なった測定時間の間の比較ですが、私は解釈と、実際に私が探しているものを私に与えるという事実についてはわかりません。「Fixed effects：Mean〜MeasTimeLow」の最初の表を取り上げると、60秒間の測定値が120,180,240秒間の測定値と大きく異なると結論づけられます。もう1つはもう1つは右か？

次に、このテストがカップルのCowID：MeasurementTimeに欠けている値で機能するかどうかを考えてみました。（ここではそうではありませんが、私は別のテストのためにそれが必要かもしれません）。次に、lme関数は2つの要素とアンバランスな設計で動作しますか？変数間の順序は重要ですか？最後に、この平均値は別のデータフレームに由来し、60,120,180、および240の各CowIDの平均です。だから、列SDがあるのです。分析が正常であることを確認するために私ができる標準偏差に関するテストはありますか？ありがとう

出典

2016-12-07 Thiphaine Bruder

LMEモデルでは、すべての値をベースライン値に対してテストしました。これは、Rで使用されるコントラストの標準的な形式です。したがって、60の平均値は135であり、この値はゼロと大きく異なっています。 120の平均値は135 + 7 = 142 + -3.6だったので、あなたの120は7値より高くなります（7の前にマイナス記号はありません）。この値は、p = 0.035で135（切片）と有意に異なっていた。次の値180は、135 = 143よりも8高い値ですが、120とは大きく違わないと思います.p値は、切片（135）と180（143）の値の比較に関係します。最後に、240は135より高い12の値であり、非常に重要です。

cowIDのランダムな効果（これらの実際の牛は？）は、データが増加しているため、すべてのcowID値の標準偏差が23.5であることを示しています。

モデルを改善する2つのことがあります。まず、ネストされたランダム効果を取り出します。 cowIDで十分でしょうか？ MeasTimeLowは関心のあるパラメータ（固定値）なので、あなたの実際の治療法、なぜあなたはまたそれをランダムな用語として持つべきですか？

第2に、他のTimeクラスが異なるかどうかに関心がある場合は、複数の比較、つまり計画コントラストまたは単純なポストホックテストを追加できます。 Rのマルチコンパクトパッケージを調べてください。

私はいくつかの素晴らしいリンクとヒントなしコントラストトピックここからポスト見つけ

出典

2016-12-07 14:19:57 Jens

HTH：https://stackoverflow.com/questions/23017552/setting-contrasts-for-anova-in-rを？ rq = 1 – Jens

あなたの答えをありがとう！今すぐ明らかにする。はい、それは牛です！ネストされたランダムなエフェクトについて、私はランダムな用語として治療（MeasTimeLow）について話しているときは分かりません。実際に私は5分間の測定を行い、60秒間の平均を計算するために、私はちょうど5分の最初の60秒から120,180と240の値を取った。だからランダムな用語ではない？次に、複数の比較について、実際に私がしたいことです。私はこのパッケージに感謝します！ –

しかし、それは2番目の表の比較ですか？ –

単一因子反復Anova不平衡設計

答えて

関連する問題