Статистический анализ после повторных измерений Лечение ANOVA с временным эффектом
У меня возникают проблемы с поиском специального теста для определения того, на что влияет "сеанс" или время, когда я лечусь в течение сеанса.
Это мои данные:
TR SESSION MAC FISHD ID
1 1 1 3.285714286 1
2 1 2 0.571428571 2
2 1 3 3.571428571 3
1 1 4 4 4
1 2 1 4 5
2 2 2 6.571428571 6
2 2 3 3.142857143 7
1 2 4 8.857142857 8
1 3 1 0.714285714 9
2 3 2 1.714285714 10
2 3 3 4.428571429 11
1 3 4 0.714285714 12
Вот как я получил повторные меры:
model.b = lme(FISHD ~ TR + SESSION + TR*SESSION,
random = ~1|MAC,
data=TTDall2)
> ACF(model.b)
lag ACF
1 0 1.0000000
2 1 -0.7547232
3 2 0.4852727
> model2 = lme(FISHD ~ TR + SESSION + TR*SESSION,
+ random = ~1|MAC,
+ correlation = corAR1(form = ~ SESSION | MAC,
+ value = -0.7547232),
+ data=TTDall2,
+ method="REML")
> Anova(model2)
Analysis of Deviance Table (Type II tests)
Response: FISHD
Chisq Df Pr(>Chisq)
TR 0.2014 1 0.6536
SESSION 25.0418 1 5.61e-07 ***
TR:SESSION 103.9113 1 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Я пытаюсь расшифровать, когда есть эффект лечения. Есть идеи?
1 ответ
В данный момент вы моделируете сеанс как непрерывную переменную, и поэтому сообщаемый коэффициент для TR:SESSION является своего рода "тестом тренда" в диапазоне 1:3 для этого значения SESSION в TRT=2 .... это то, что вы надеялись обнаружить? Давайте сделаем это правильно, с учетом факторов и, в частности, создать ordered фактор:
model2 = lme(FISHD ~ factor(TR)*ordered(SESSION), # same as TRT+SESSION+TRT*ORDERED
random = ~1|MAC,
correlation = corAR1(form = ~ SESSION | MAC,
value = -0.7547232),
data=dat,
method="REML")
anova(model2)
#------
numDF denDF F-value p-value
(Intercept) 1 4 37.48966 0.0036
factor(TR) 1 2 0.20124 0.6976
ordered(SESSION) 2 4 13.94379 0.0157
factor(TR):ordered(SESSION) 2 4 52.02864 0.0014
Таким образом, это говорит о том, что анализ, который учитывает взаимодействие TRT с последовательностью СЕССИЙ, обнаруживает существенную разницу для эффекта TRT. Если вы не моделируете взаимодействие (используя формулу: FISHD ~ factor(TR)+ordered(SESSION)тогда ни один из компонентов не является значимым:
model1 = lme(FISHD ~ factor(TR)+ordered(SESSION),
random = ~1|MAC,
correlation = corAR1(form = ~ SESSION | MAC, value = -0.7547232),
data=dat,
method="REML")
anova(model1)
#-------------
numDF denDF F-value p-value
(Intercept) 1 6 44.53272 0.0005
factor(TR) 1 2 0.14143 0.7430
ordered(SESSION) 2 6 2.55154 0.1578
А также:
> anova(model1, model2)
Model df AIC BIC logLik Test L.Ratio p-value
model1 1 7 54.74813 55.30422 -20.37406
model2 2 9 44.04435 42.17018 -13.02217 1 vs 2 14.70378 6e-04
Warning message:
In anova.lme(model1, model2) :
fitted objects with different fixed effects. REML comparisons are not meaningful.
Это предупреждение, но я не думаю, что оно применимо здесь, поскольку varaialbes в модели одинаковы, и отличается только структура.