Я пытаюсь использовать lme
из nlme
пакета, чтобы повторить результаты aov
для повторных мер ANOVA. Я сделал это для однофакторного эксперимента с повторными измерениями и для двухфакторного эксперимента с одним фактором между субъектами и одним фактором внутри субъекта, но у меня возникли проблемы с выполнением этого для двухфакторного эксперимента с двумя внутри -субъектные факторы.
Пример показан ниже. A
и B
являются факторами с фиксированным эффектом и subject
является фактором случайного эффекта.
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
Я не видел объяснения этому в книге Пиньейру и Бейтса, но, возможно, я упустил это из виду.
источник
aov
Вызов OP - это просто стандартная схема повторных измерений, которую можно проанализировать с помощью lmer aslmer(Y~A*B+(1|subject))
. (Хотя см. Также этот ответ для более сложных моделей, которые позволяют оценивать дисперсию и корреляцию между S-эффектами : stats.stackexchange.com/questions/13166/rs-lmer-cheat-sheet/… )lmer
моим приведенным выше кодом является правильным. Вашlmer
код имеет только один случайный эффект. То, что правильно, будет зависеть от контекста.Ваша первая попытка - правильный ответ, если это все, что вы пытаетесь сделать. nlme () работает между компонентами и внутри них, вам не нужно указывать их.
Проблема, с которой вы сталкиваетесь, заключается не в том, что вы не знаете, как указать модель, а в том, что повторные измерения ANOVA и смешанные эффекты - это не одно и то же. Иногда результаты ANOVA и модели смешанных эффектов будут совпадать. Это особенно актуально, когда вы агрегируете свои данные, как если бы вы делали ANOVA, и вычисляете и то, и другое. Но в целом, если все сделано правильно, хотя выводы могут быть схожими, результаты почти никогда не бывают одинаковыми. Данные вашего примера не похожи на реальные повторяющиеся измерения, где у вас часто есть репликации каждого показателя в S. Когда вы выполняете ANOVA, вы обычно агрегируете эти репликации, чтобы получить оценку эффекта для каждого субъекта. В моделировании смешанных эффектов вы этого не делаете. Вы работаете с необработанными данными. Когда вы делаете это, вы '
[в дополнение, использование lmer () (из пакета lme4) вместо lme () дает мне значения SS и MS, которые точно соответствуют ANOVA для эффектов в вашем примере, просто F отличаются друг от друга]
источник