纵向研究中的重复测量方差分析

Question

我有一个类似以下的数据集：

Groups  Score1  Score2  Score3
G1      12      19      11
G1      8       2       12
G1      5       4       17
G1      20      17      5
G1      15      3       18
G1      5       9       6
G1      14      13      16
G1      2       7       2
G1      14      1       0
G1      9       19      11
G2      8       11      9
G2      14      7       17
G2      16      10      18
G2      13      9       14
G2      10      15      15
G2      5       1       11
G2      4       16      19
G2      17      14      16
G2      14      13      16
G2      2       0       13
G3      16      13      19
G3      3       12      10
G3      9       4       16
G3      17      3       12
G3      18      4       6
G3      20      1       18
G3      15      17      7
G3      10      16      12
G3      3       12      2
G3      8       2       2

我的目标是比较每个组中的三个分数，并查看第1组的Score1平均值是否与Score2和Score3显着不同。 并比较各组之间的score1平均值。 并在漂亮的图表上将所有三个得分（三行）映射到分组因子的水平轴上。 我受制于应该使用哪个R包。 有人可以让我知道哪个软件包和功能最好吗？ 谢谢

Answer 1

像这样吗

library(reshape2)    # for melt(...)
library(ggplot2)
df.melt <- melt(df, id="Groups", variable.name="Score")
ggplot(df.melt, aes(x=Groups, y=value, color=Score))+
  stat_summary(geom="point", fun.y=mean, position=position_dodge(width=0.5))+
  stat_summary(geom="errorbar", fun.data=mean_cl_normal, width=0.1, position=position_dodge(width=0.5))+
  labs(x="", y="Score")

因此，在这里，我们首先将您的数据集从“宽”格式（不同列中的分数）转换为“长”格式（一列中的所有得分，第二列Score ，指示每一行属于哪个集合）。 我们使用ggplot绘制平均得分（使用stat_summary(fun.y=mean,...)和+/- 95％CL（使用stat_summary(fun.data=mean_cl_normal,...) 。格式。

您可能会认为，由于每个组和每个分数的95％CL重叠，因此没有一个分数/组与任何其他分数/组有所不同。 但这是误导。 例如，如果我们进行t检验比较第2组的得分2和3，

with(df[df$Groups=="G2",],t.test(Score2,Score3))
#   Welch Two Sample t-test
# 
# data:  Score2 and Score3
# t = -2.5857, df = 14.184, p-value = 0.0214
# alternative hypothesis: true difference in means is not equal to 0
# 95 percent confidence interval:
#  -9.5080934 -0.8919066
# sample estimates:
# mean of x mean of y 
#       9.6      14.8 

我们可以看到这两个分数在大约98％的水平上有所不同。