雙向方差分析-在r中重復測量，缺少預期效果

Question

我正在嘗試使用重復測量方法進行兩因素混合方差分析。 從：

aov(Estimate ~ Dose*Visit, data = AUClast) 

我得到3個平方和：手工算出的兩個主要效果（“訪問”和“劑量”）及其相互作用（“劑量：訪問”）是正確的。

Dose和Visit都是說明性變量，Dose是介於4、3、10、30、100個級別的主題變量之間，而Visit是介於2個級別1和28的主題變量（重復度量）之內。而且，subjectID變量是'動物'

我想在結果中再增加一種效果，但不知道如何。 所需的效果是劑量內動物之間的差異，或SAS如何將其置於動物（劑量）中。 SS通過以下方式計算：

sum((mean(Animal(ik))-mean(Dose(i))^2)

其中k是劑量為i的動物（對每只動物進行第1次訪問和第28次訪問的觀察估計值的平均值，然后減去該研究中所有動物劑量的平方的動物平均估計值）。

有誰知道如何相應地調整公式以包括動物（劑量）效應？

在此先感謝您的幫助，對於所有這些都不太明確的內容，我們深感抱歉。

Answer 1

如果我對您的理解正確，那么我有個建議。 首先，樣本數據集

#sample data
set.seed(15)
AUClast<-data.frame(
    expand.grid(
    Animal=1:3,
    Dose=c(3,10,30,100),
    Visit=c(1,28)
    ), Estimate=runif(24)
)

現在，我們根據要求計算交互作用項。 首先，我們將數據分為劑量組，然后對每個劑量組，從每只動物的平均值中減去總體平均值。 然后，我們將這些差異的平方求和。 最后，我們將它們擴展回使用unsplit進行的分組。

animaldose<-unsplit(lapply(split(AUClast, AUClast$Dose), function(x) {
    rep(
        sum((tapply(x$Estimate, x$Animal, mean) - mean(x$Estimate))^2)
    , nrow(x))
}), AUClast$Dose)

我們可以看到原始data.frame旁邊的樣子

cbind(AUClast, animaldose)

給出結果

   Animal Dose Visit   Estimate animaldose
1       1    3     1 0.60211404  0.1181935
2       2    3     1 0.19504393  0.1181935
3       3    3     1 0.96645873  0.1181935
4       1   10     1 0.65090553  0.1641363
5       2   10     1 0.36707189  0.1641363
6       3   10     1 0.98885921  0.1641363
7       1   30     1 0.81519341  0.0419291
8       2   30     1 0.25396837  0.0419291
9       3   30     1 0.68723085  0.0419291
10      1  100     1 0.83142902  0.1881314
11      2  100     1 0.10466936  0.1881314
12      3  100     1 0.64615091  0.1881314
13      1    3    28 0.50909039  0.1181935
14      2    3    28 0.70662857  0.1181935
15      3    3    28 0.86231366  0.1181935
16      1   10    28 0.84178515  0.1641363
17      2   10    28 0.44744372  0.1641363
18      3   10    28 0.96466695  0.1641363
19      1   30    28 0.14118707  0.0419291
20      2   30    28 0.77671251  0.0419291
21      3   30    28 0.80372740  0.0419291
22      1  100    28 0.79334595  0.1881314
23      2  100    28 0.35756312  0.1881314
24      3  100    28 0.05800106  0.1881314

這樣您就可以看到每個工作組都有自己的調整。