ANOVA berpasangan, tindakan berulang atau model campuran?

Saya telah diminta untuk menganalisis beberapa data dari uji klinis yang mencari dua metode pengukuran tekanan darah. Saya memiliki data dari 50 subjek, masing-masing dengan antara 2 dan 57 ukuran menggunakan setiap metode.

Saya bertanya-tanya bagaimana cara terbaik untuk melanjutkan.

Jelas saya membutuhkan solusi yang akan menjelaskan fakta bahwa ukuran tekanan darah berpasangan (dua metode diukur secara bersamaan) dan juga waktu yang bervariasi kovariat (dengan jumlah pengamatan yang bervariasi per pasien) serta perhitungan untuk intra dan inter variabilitas pasien.

Saya sedang memikirkan entah bagaimana menyulap ini menjadi langkah-langkah berulang ANOVA, tapi saya pikir itu mungkin perlu menjadi pendekatan model campuran.

Saya menghargai saran bermanfaat yang bisa Anda tawarkan.

Saya seorang pemula R yang lengkap tetapi sangat bersemangat untuk mengembangkan keterampilan dan saya memiliki pengalaman yang moderat di Stata sehingga selalu bisa mengingatnya.

r anova mixed-model stata

— Sam
sumber

Saya tidak berpikir Anda dapat dengan mudah melakukan apa yang ingin Anda lakukan dengan RM-ANOVA karena jumlah pengulangan tidak sama untuk semua mata pelajaran. Menjalankan model efek campuran sangat mudah di R. Bahkan, dengan menginvestasikan sedikit waktu untuk mempelajari dasar-dasar dan perintah, itu akan membuka banyak kemungkinan bagi Anda. Saya juga menemukan pemodelan campuran jauh lebih mudah digunakan dan lebih fleksibel dan hampir tidak perlu melakukan RM-ANOVA secara langsung. Akhirnya, pertimbangkan bahwa dengan pemodelan campuran Anda juga dapat menjelaskan struktur kovarians residu (RM-ANOVA hanya mengasumsikan struktur diagonal) yang dapat menjadi penting untuk banyak aplikasi.

Ada dua paket utama untuk pemodelan campuran linier di R: nlmedan lme4. lme4Paket - paket adalah yang lebih modern yang bagus untuk kumpulan data besar dan juga untuk kasus-kasus Anda berurusan dengan data cluster. Nlmeadalah paket yang lebih lama dan sebagian besar tidak digunakan lagi lme4. Namun, untuk desain ukuran berulang, ini masih lebih baik daripada lme4karena hanya nlmememungkinkan Anda untuk memodelkan struktur kovarians residu. Sintaks dasar nlmesangat sederhana. Sebagai contoh:

fit.1 <- lme(dv ~ x + t, random=~1|subject, cor=corCompSymm())

Di sini saya memodelkan hubungan antara variabel dependen dvdan faktor xserta kovariat terkait waktu t. Subjectadalah efek acak dan saya telah menggunakan struktur simetri senyawa untuk kovarians residu. Sekarang Anda dapat dengan mudah mendapatkan nilai-p yang terkenal dengan:

anova(fit.1)

Akhirnya, saya dapat menyarankan Anda untuk membaca lebih lanjut tentang nlme menggunakan panduan referensi definitifnya, Mixed Effects Models dalam S dan S-Plus . Referensi lain yang bagus untuk pemula adalah Linear Mixed Models - Panduan Praktis Menggunakan Perangkat Lunak Statistik yang mengkompilasi banyak contoh berbagai aplikasi pemodelan campuran dengan kode dalam R, SAS, SPSS, dll.

— AlefSin
sumber

referensi pengantar lain yang bagus adalah Gelman dan Hill, Analisis Data Menggunakan Regresi dan Model Bertingkat / Hirarki

— wolf.rauch

Terima kasih Alef - kedua referensi itu luar biasa - seperti halnya Wolf di atas. Saya bertanya-tanya apakah saya dapat sedikit memperluas pertanyaan saya dalam hal bagaimana menyusun model. Sepertinya saya tidak bisa mengidentifikasi dv !! Saya memiliki dua set pengukuran BP (dua metode) serta id pasien dan waktu observasi. Bagaimana saya bisa memodelkan perbedaan antara dua pengukuran BP (analog dengan satu sampel t-test yang perbedaan = 0) ?? Maaf memburu Anda - saya akan melanjutkan membaca saya sekarang!

— Sam

Jangan khawatir semuanya - saya pikir saya sudah menemukan jawabannya !!! Saya memiliki data saya dalam format yang salah. Ketika saya akhirnya menemukan dan memanipulasinya ke dalam format yang panjang, semua posting ini jauh lebih masuk akal !! Terima kasih sekali lagi.

— Sam

Senang Anda menemukan jawabannya. Tampaknya sebagai aturan umum, sebagian besar paket dalam R bekerja dengan data dalam format panjang.

— AlefSin

Jika Anda mencari RM-ANOVA dengan model campuran dengan menggunakan R. Anda mungkin ingin memeriksa ini http://blog.gribblelab.org/2009/03/09/repeat-measures-anova-using-r/ Ada contoh yang bagus untuk menunjukkan bagaimana menggunakan model campuran untuk mencapai RM-ANOVA.

Berdasarkan pengalaman saya, SAS adalah alat yang lebih baik untuk menangani model campuran. Jika Anda menggunakan SAS, Anda dapat memeriksa bantuan SAS "Proc Mixed" untuk RM-ANOVA.

— Tu.2
sumber