Отчетность о результатах линейной модели смешанных эффектов

12

Линейные модели со смешанными эффектами обычно не используются в моей области биологии, и мне нужно сообщить о статистическом тесте, который я использовал в статье, которую я пытаюсь написать. Я знаю, что осведомленность о многоуровневом моделировании начинает появляться в некоторых областях бионаук ( решение зависимости: использование многоуровневого анализа для размещения вложенных данных ), но я все еще пытаюсь научиться сообщать о своих результатах!

Мой экспериментальный план, вкратце:
* Субъекты были отнесены к одной из четырех групп лечения
* Измерения зависимой переменной были проведены в разные дни после начала лечения
* Дизайн несбалансирован (неравное количество субъектов в группах лечения и пропавших без вести) измерения для некоторых субъектов в некоторые дни)
* Лечение A является контрольной категорией
* Я центрировал данные в последний день лечения

Я хочу знать, дает ли лечение А (контрольная категория) значительно лучшие результаты, чем другие виды лечения (в конце лечения).

Я сделал свой анализ в R, используя nlme:

mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject, data = mydf, na.action = na.omit, 
+ correlation = corAR1(form = ~1 |Subject), method = "REML")

И вывод (частично; сокращенный для краткости):

>anova(mymodel)
              numDF denDF  F-value p-value
(Intercept)      1   222 36173.09  <.0001
Treat            3    35    16.61  <.0001
Day              7   222     3.43  0.0016
Treat:Day       21   222     3.62  <.0001

>summary(mymodel)
Fixed effects: dv ~ Treatment * Day 
                       Value Std.Error  DF  t-value p-value
(Intercept)         7.038028 0.1245901 222 56.48945  0.0000
TreatmentB          0.440560 0.1608452  35  2.73903  0.0096
TreatmentC          0.510214 0.1761970  35  2.89570  0.0065
TreatmentD          0.106202 0.1637436  35  0.64859  0.5208

Итак, я знаю, что эффект Дня отличается в зависимости от лечения, и что в последний день лечения (где данные центрированы), dv значительно отличается в лечении A от лечения B или C.

Я хочу сказать следующее: «Как и предполагалось, мы обнаружили, что зависимая переменная была значительно ниже у субъектов, получавших лечение A (среднее значение +/- SE), чем у субъектов, получавших лечение B (среднее значение +/- SE, p = 0,0096) или лечение C (среднее +/- SE, p = 0,0065), измеренное в последний день лечения ».

Но я должен указать, какой статистический тест был сделан. Будет ли это приемлемым способом описания анализа? «[Метод измерения] был выполнен в указанные дни, и была определена зависимая переменная (единицы измерения); мы проанализировали преобразованные логарифмические данные, используя линейную модель смешанных эффектов с центром в [последний день обработки]. Символы представляют среднее значение d; стандартная ошибка. В последний день лечения dv был значительно ниже при лечении A (среднее значение +/- SE), чем при лечении B (среднее значение +/- SE, p = 0,0096) ... "

В частности,
* Достаточно ли это говорит об используемом статистическом тесте? (Читатели привыкли видеть что-то более похожее на «среднее +/- SE, p = 0,0096, t-критерий Стьюдента», но кажется странным писать «p = 0,0096, коэффициент для лечения B против лечения A от линейных смешанных эффектов» модель в [последний день лечения]. ")
* Есть ли лучший способ выразить это?

(Раздел «Методы» будет содержать дополнительную информацию о статистике: «Данные [Метод измерения] были проанализированы с использованием пакетов R и R ... Мы проанализировали данные зависимой переменной с логарифмическим преобразованием, используя линейные модели смешанных эффектов, используя объекты в качестве случайных эффектов и автокорреляционная структура порядка 1 (AR1). В качестве фиксированных эффектов мы включили Обработка и День, а также взаимодействие Обработки и Дня. Мы проверили нормальность и однородность путем визуального осмотра графиков остатков по отношению к подобранным значениям. Чтобы оценить достоверность При анализе смешанных эффектов мы выполнили тесты отношения правдоподобия, сравнивая модели с фиксированными эффектами и нулевые модели только со случайными эффектами. ")

Будем весьма благодарны за любые советы о том, как сообщать о результатах линейной модели смешанных эффектов для часто не склонной к статистике аудитории (и написанной новичком по относительной статистике)!

phosphorelated
источник
Можете ли вы объяснить больше о том, что вы подразумеваете под «центрироваться» в последний день исследования? почему бы просто не ввести число от 0 до количества дней в последний день исследования? Кроме того - в вашей сводной таблице - где эффекты взаимодействия?
Колин

Ответы:

1

Это может не помочь ответить на ваш вопрос, но я заметил, что у вас есть повторный показатель (день) в вашем эксперименте, но вы не указали, что это был повторный показатель в вашей модели. Я бы подумал, что случайный термин в вашей модели таков:

mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject/Day, 
               data = mydf, na.action = na.omit,
               correlation = corAR1(form = ~1 |Subject/Day), method = "REML")

Что касается отчета о результатах, намеревались ли вы сообщить о том дне, когда вы начнете видеть значительные различия между процедурами? Если это так, то я думаю, что вам нужно посмотреть / сообщить о контрастах в терминах взаимодействия. Я новичок в статистике, и у меня такой же вопрос, как и у вас :-)

В «Обнаружении статистики с использованием R» Энди Филда объясняется, как сообщать о результатах линейной модели смешанных эффектов в гл. 14. У меня нет книги под рукой, но я могу отредактировать этот пост, как только получу его снова.

невежественный
источник
это зависит от того, будет ли День одинаковым для всех субъектов, я полагаю, что это скрещенный, а не вложенный случайный фактор, верно? Тогда он потому что день непрерывный, он помещается перед вертикальной линией. Комментарии приветствуются! random= Day|Subject
Aura Borealis