Pisahkan plot di R

Saya memiliki kumpulan data tolok ukur dan sampel di setiap tolok ukur. Saya menjalankan benchmark ini dan subsampel mereka di mesin subjek. 'Individu' yang dipelajari oleh sub-sampel adalah sama untuk setiap mesin subjek, dan tolok ukurnya sama untuk setiap mesin subjek.$n$$m$$p$

Bagaimana saya menjalankan ANOVA dalam R dalam situasi ini?

Terutama saya ingin menghitung rata-rata total dan interval kepercayaan. Saya tidak peduli tentang sarana sampel sub sama sekali, tetapi saya ingin mengenali replikasi di sana dalam keyakinan dan cara akhir. Saya mungkin peduli tentang tolok ukur berarti. Saya tidak tahu cara mengatur anova ini di R. Saya ingin dapat meniru cara dengan perhitungan manual.

Saya telah mencoba glm, anova, aov, dan lmetapi aku benar-benar bingung. Saya pikir hasil ANOVA harus setara untuk dua mesin subjek dengan rata-rata bersarang dari mesin / benchmark / pos pemeriksaan, tetapi artinya tidak keluar sama ketika saya mencobanya.

Edit:

Saya mulai mendapatkan petunjuk dari http://zoonek2.free.fr/UNIX/48_R/13.html

Perbedaan utama antara desain plot split dan desain lain seperti desain acak lengkap dan variasi desain blok adalah struktur bersarang subjek, yaitu, ketika pengamatan berasal dari subjek yang sama (unit eksperimen) lebih dari sekali. Ini mengarah ke struktur korelasi dalam subjek dalam desain plot terpisah yang berbeda dari struktur korelasi dalam satu blok.

Mari kita ambil contoh gambar kumpulan data dari desain petak-petak sederhana (di bawah). Ini adalah studi tentang komposisi makanan pada kesehatan, empat diet secara acak diberikan kepada 12 subjek, semua status kesehatan yang sama. Tekanan darah awal telah ditetapkan, dan satu ukuran kesehatan adalah perubahan tekanan darah setelah dua minggu. Tekanan darah diukur pada pagi dan sore hari. (Contoh ini disalin dari buku Desain Statistik Casella contoh 5.1)

$$\begin{array}{r|ccccc|l} ~ & \text{Diet} 1 & \text{Diet} 2 & \text{Diet}3 & \text{Diet}4 \\\hline ~ & \text{Subject} & \text{Subject} & \text{Subject} &\text{Subject}\\ ~ & 1 \, 2 \, 3 & 4 \, 5 \, 6 & 7 \, 8 \, 9 & 10 \, 11 \, 12\\\hline \text{Morning} & x \, x \, x & x \, x \, x & x \, x \, x & x \, x \, x\\ \text{Evening} & x \, x \, x & x \, x \, x & x \, x \, x & x \, x \, x\\ \hline \end{array}$$

Beberapa hal penting yang perlu diperhatikan:

• Ada 12 unit eksperimental (12 subjek)
• Pada 12 unit ini kami mengamati 24 titik data ( ), dilambangkan dengan$2 \times 4 \times 3$$x$
• Ini karena kita melakukan dua pengamatan pada subjek yang sama, pertama di pagi hari dan kedua di malam hari
• Ini berarti bahwa dua pengamatan pada subjek berasal dari unit eksperimen yang sama. Oleh karena itu, ini bukan replikasi yang benar. Karena pengamatan diambil dari subjek yang sama dalam perjalanan waktu, harus ada korelasi antara kedua pengamatan.
• Perhatikan bahwa ini berbeda dari ANOVA dua arah dengan Diet dan Waktu sebagai faktornya.
• ANOVA dua arah akan memiliki pengamatan seperti ini:

$$\begin{array}{r|ccccc|l} ~ & \text{Diet} 1 & \text{Diet} 2 & \text{Diet}3 & \text{Diet}4 \\\hline \text{Morning} & x \, x \, x & x \, x \, x & x \, x \, x & x \, x \, x\\ \text{Evening} & x \, x \, x & x \, x \, x & x \, x \, x & x \, x \, x\\ \hline \end{array}$$

masing-masing di sini adalah mata pelajaran yang berbeda. Ini menggambarkan konsep bersarang. Artinya, subjek 1, 2, 3 bersarang di Diet 1. - Seluruh plot, unit eksperimental di seluruh plot (Diet) tingkat (Subjek) bertindak sebagai blok untuk perawatan plot terpisah (Pagi-Malam)$x$

Model untuk desain petak split ini adalah:

$$Y_{ijk} = \mu + \tau_i + S_{ij} + \gamma_{k} + (\tau \gamma)_{ik} + \epsilon_{ijk},$$ mana Setelah Anda memiliki model yang diformulasikan dengan baik, menulis dalam bentuk sepele: $$Y_{ijk} = \text{the response to diet i of subject j at time k,}$$ $$\tau_i = \text{diet i effect}$$ $$S_{ij} = \text{subject j's effect in diet i (whole plot error)}$$ $$(\tau \gamma)_{ik} = \text{the interaction of diet i and time j}$$ $$\epsilon_{ijk} = \text{split plot error}$$ R aov

splitPltMdl <- aov(bloodPressure ~ Diet + ## Diet effect 
                                   Error(Subject/Diet) + ## nesting of Subject in Diet 
                                   Time*Diet, ## interaction of Time and Diet 
                                   data = dietData)