[英]Repeated measures ANOVA and link to mixed-effect models in R
在以下数据上执行R中的双向有效方差分析时,我遇到问题(链接: https : //drive.google.com/open?id=1nIlFfijUm4Ib6TJoHUUNeEJnZnnNzO29 ):
subjectnbr是主题的ID,blockType和linesTTL是自变量。 RT2是因变量
我首先使用ezANOVA和以下代码来执行rm ANOVA:
ANOVA_RTS <- ezANOVA(
data=castRTs
, dv=RT2
, wid=subjectnbr
, within = .(blockType,linesTTL)
, type = 2
, detailed = TRUE
, return_aov = FALSE
)
ANOVA_RTS
结果正确(我使用statistica进行了仔细检查)。
但是,当我使用lme函数执行rm ANOVA时,我没有得到相同的答案,也不清楚为什么。
有我的代码:
lmeRTs <- lme(
RT2 ~ blockType*linesTTL,
random = ~1|subjectnbr/blockType/linesTTL,
data=castRTs)
anova(lmeRTs)
这是ezANOVA和lme的输出 。
我希望我已经足够清楚,并已向您提供了所有需要的信息。
我正在努力寻找至少4个小时,期待您的帮助!
提前致谢。
这是有关如何使用nlme::lme
再现ezANOVA
结果的分步示例。
我们读入数据,并确保所有分类变量都是factor
s。
# Read in data
library(tidyverse);
df <- read.csv("castRTs.csv");
df <- df %>%
mutate(
blockType = factor(blockType),
linesTTL = factor(linesTTL));
ezANOVA
结果 作为检查,我们重现了ez::ezANOVA
结果。
## ANOVA using ez::ezANOVA
library(ez);
model1 <- ezANOVA(
data = df,
dv = RT2,
wid = subjectnbr,
within = .(blockType, linesTTL),
type = 2,
detailed = TRUE,
return_aov = FALSE);
model1;
# $ANOVA
# Effect DFn DFd SSn SSd F p
#1 (Intercept) 1 13 2047405.6654 34886.767 762.9332235 6.260010e-13
#2 blockType 1 13 236.5412 5011.442 0.6136028 4.474711e-01
#3 linesTTL 1 13 6584.7222 7294.620 11.7348665 4.514589e-03
#4 blockType:linesTTL 1 13 1019.1854 2521.860 5.2538251 3.922784e-02
# p<.05 ges
#1 * 0.976293831
#2 0.004735442
#3 * 0.116958989
#4 * 0.020088855
nlme::lme
结果 我们现在运行nlme::lme
## ANOVA using nlme::lme
library(nlme);
model2 <- anova(lme(
RT2 ~ blockType * linesTTL,
random = list(subjectnbr = pdBlocked(list(~1, pdIdent(~blockType - 1), pdIdent(~linesTTL - 1)))),
data = df))
model2;
# numDF denDF F-value p-value
#(Intercept) 1 39 762.9332 <.0001
#blockType 1 39 0.6136 0.4382
#linesTTL 1 39 11.7349 0.0015
#blockType:linesTTL 1 39 5.2538 0.0274
我们可以看到两种方法的F检验结果是相同的。 lme
random
效应定义的结构有些复杂,是由于您有两个交叉的随机效应。 此处的“ crossed”表示对于blockType
和linesTTL
每种组合,每个blockType
linesTTL
都有一个观察subjectnbr
。
要了解pdBlocked
和pdIdent
的作用,我们需要看一下相应的两级混合效应模型
预测变量 是您的分类变量
blockType
和linesTTL
,它们通常使用伪变量进行编码。
随机效应的方差-协方差矩阵 可以采用不同的形式,具体取决于随机效应系数的基本相关结构。 为了与二电平重复测量ANOVA的假设相一致,我们必须指定一个块对角方差-协方差矩阵
pdBlocked
,在那里我们为偏移创建对角块~1
,和用于分类预测变量blockType
pdIdent(~blockType - 1)
和linesTTL
pdIdent(~linesTTL - 1)
。 注意,我们需要从最后两个块中减去偏移量(因为我们已经考虑了偏移量)。
一些相关/有趣的资源
Pinheiro和Bates,S和S-PLUS中的混合效果模型,Springer(2000)
Potvin和Schutz,两因素重复测量方差分析的统计功效,行为研究方法,仪器与计算机,32,347-356(2000)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.