[英]Repeated Measures: From SPSS to R
我希望根據我過去在SPSS中使用重復測量方差分析運行統計數據的方式在R中運行混合效果模型。 這是我在SPSS中設置重復測量方差分析的方法。 如何在R中將其轉換為lme4?
密鑰 :EBT100 ...是任務的名稱,基因型是我的IV,我的主題內因素是Day(5級)和Cue(9級)。 Att是我的DV。
在R中,這是我要運行的代碼:在R中,這是我的代碼:
lmeModel <- lmer(Att ~ Genotype*Day*Cue + (1|Subject)
我的基因型效應在R和SPSS之間是相同的(p〜0.12),但是我所有的相互作用都是不同的(基因型x天,基因型x線索,基因型x天x線索)。
R(lme4)輸出:
Sum Sq Mean Sq NumDF DenDF F.value Pr(>F)
Genotype 488 243.9 2 32 2.272 0.11954
Day 25922 6480.4 4 1408 60.356 < 2.2e-16 ***
Cue 35821 4477.6 8 1408 41.703 < 2.2e-16 ***
Genotype:Day 3646 455.7 8 1408 4.244 4.751e-05 ***
Genotype:Cue 736 46.0 16 1408 0.429 0.97560
Day:Cue 5063 158.2 32 1408 1.474 0.04352 *
Genotype:Day:Cue 3297 51.5 64 1408 0.480 0.99984
SPSS重復測量方差分析輸出:
F.value Pr(>F)
Genotype 2.272 0.120
Day 9.603 0.000
Cue 83.916 0.000
Genotype:Day 0.675 0.712
Genotype:Cue 0.863 0.613
Day:Cue 3.168 0.00
Genotype:Day:Cue 1.031 0.411
您可以看到,R和SPSS的基因型主要作用相同。 此外,在R中,我的DenDF輸出也不正確。 知道為什么會這樣嗎?
甚至更多...使用ezANOVA,並使用與我用於lme4相同的數據集,這是我的代碼:
anova <- ezANOVA(data = dat,
wid = Subject,
dv = Att,
within = .(Day, Cue),
between = Genotype,
type = 3)
ezANOVA輸出:
Effect DFn DFd F p p<.05 ges
2 Genotype 2 32 2.2715034 1.195449e-01 0.044348362
3 Day 4 128 9.6034152 8.003233e-07 * 0.103474748
5 Cue 8 256 83.9162989 3.938364e-67 * 0.137556761
4 Genotype:Day 8 128 0.6753544 7.124675e-01 0.015974029
6 Genotype:Cue 16 256 0.8624463 6.133218e-01 0.003267726
7 Day:Cue 32 1024 3.1679308 1.257738e-08 * 0.022046134
8 Genotype:Day:Cue 64 1024 1.0313631 4.115000e-01 0.014466102
如何將ezANOVA轉換為lme4?
任何信息將不勝感激! 謝謝!
首先:如果您可以共享數據,那將是非常有益和有益的,這可以更輕松地將lmer
結果與SPSS / ezANOVA
結果進行比較。
我個人更喜歡混合效果(即分層)模型,因為我發現它們更易於理解(和構造),所以我對重復測量方差分析並不那么熟悉。 將后者轉換為前者歸結為正確地將RM-ANOVA的效果內部/之間轉換為lmer
混合效果模型的適當術語。
只要我對您的理解正確,以下內容似乎與您的模型問題陳述相符:
Genotype
是您的固定作用 Subject
是您的隨機(分組或阻止)效果 Day
是批內Subject
作用 Cue
是批內Subject
作用 相應的lmer
模型應如下所示:
lmer(Obs ~ Genotype * Day * Cue + (Day:Cue|Subject)
如果這很難處理,則應嘗試
lmer(Obs ~ Genotype * Day * Cue + (Day|Subject) + (Cue|Subject) + (1|Subject)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.