Melaporkan hasil model efek campuran linier


12

Model efek campuran linier tidak umum digunakan di sudut biologi saya, dan saya perlu melaporkan uji statistik yang saya gunakan dalam makalah yang saya coba tulis. Saya tahu bahwa kesadaran pemodelan multilevel mulai muncul di beberapa bidang biosains ( Solusi untuk ketergantungan: menggunakan analisis multilevel untuk mengakomodasi data bersarang ), tetapi saya masih mencoba mempelajari cara melaporkan hasil saya!

Desain eksperimental saya, secara singkat:
* Subjek ditugaskan ke salah satu dari empat kelompok perlakuan
* Pengukuran variabel dependen diambil pada berbagai hari setelah dimulainya pengobatan
* Desain tidak seimbang (jumlah subjek yang tidak sama dalam kelompok perlakuan, dan hilang pengukuran untuk beberapa subjek pada beberapa hari)
* Pengobatan A adalah kategori referensi
* Saya memusatkan data pada hari terakhir perawatan

Saya ingin tahu apakah Pengobatan A (kategori referensi) menghasilkan hasil yang jauh lebih baik daripada perawatan lain (pada akhir pengobatan).

Saya melakukan analisis saya di R, menggunakan nlme:

mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject, data = mydf, na.action = na.omit, 
+ correlation = corAR1(form = ~1 |Subject), method = "REML")

Dan hasilnya (sebagian; dipotong untuk singkatnya) adalah:

>anova(mymodel)
              numDF denDF  F-value p-value
(Intercept)      1   222 36173.09  <.0001
Treat            3    35    16.61  <.0001
Day              7   222     3.43  0.0016
Treat:Day       21   222     3.62  <.0001

>summary(mymodel)
Fixed effects: dv ~ Treatment * Day 
                       Value Std.Error  DF  t-value p-value
(Intercept)         7.038028 0.1245901 222 56.48945  0.0000
TreatmentB          0.440560 0.1608452  35  2.73903  0.0096
TreatmentC          0.510214 0.1761970  35  2.89570  0.0065
TreatmentD          0.106202 0.1637436  35  0.64859  0.5208

Jadi, saya tahu bahwa efek Hari berbeda dengan Pengobatan, dan bahwa, pada hari terakhir pengobatan (di mana data dipusatkan), dv berbeda secara signifikan dalam Pengobatan A daripada Pengobatan B atau C.

Apa yang ingin saya katakan adalah: "Seperti yang diperkirakan, kami menemukan bahwa Variabel Dependen secara signifikan lebih rendah pada subjek yang menerima Pengobatan A (rata-rata +/- SE) daripada pada subyek yang menerima Pengobatan B (rata-rata +/- SE, p = 0,0096) atau Pengobatan C (rata-rata +/- SE, p = 0,0065), yang diukur pada hari terakhir perawatan. "

Tapi, saya harus menunjukkan tes statistik apa yang dilakukan. Apakah ini akan menjadi cara yang dapat diterima untuk menggambarkan analisis? "[Metode Pengukuran] dilakukan pada hari yang ditunjukkan dan Variabel Dependen (unit) ditentukan; kami menganalisis data log-transformed menggunakan model efek campuran linier yang berpusat pada [hari terakhir perawatan]. Simbol mewakili rata-rata dv; bar kesalahan adalah kesalahan standar. Pada hari terakhir pengobatan, dv secara signifikan lebih rendah pada Pengobatan A (rata-rata +/- SE) daripada Pengobatan B (rata-rata +/- SE, p = 0,0096) ... "

Secara khusus,
* Apakah itu cukup mengatakan tentang uji statistik yang digunakan? (Pembaca terbiasa melihat sesuatu yang lebih seperti "mean +/- SE, p = 0,0096, uji-t Student," tetapi tampaknya aneh untuk menulis "p = 0,0096, koefisien untuk Pengobatan B vs Pengobatan A dari efek campuran linier model di [hari terakhir perawatan]. ")
* Apakah ada cara yang lebih baik untuk mengatakan ini?

(Bagian metode akan mencakup lebih banyak informasi tentang statistik: "Data [Metode Pengukuran] dianalisis menggunakan paket R dan R ... Kami menganalisis data Variabel Dependen yang ditransformasi log dengan menggunakan model efek campuran linier menggunakan Subjek sebagai efek acak dan struktur autokorelasi orde 1 (AR1). Sebagai efek tetap, kami menyertakan Pengobatan dan Hari, dan interaksi Pengobatan dan Hari. Kami memeriksa normalitas dan homogenitas dengan inspeksi visual plot residu terhadap nilai-nilai pas. Untuk menilai validitas dari analisis efek campuran, kami melakukan tes rasio kemungkinan membandingkan model dengan efek tetap ke model nol dengan hanya efek acak. ")

Setiap saran tentang cara melaporkan hasil model efek campuran linier untuk audiens yang sering menolak statistik (dan ditulis oleh pemula statistik relatif) akan sangat dihargai!


dapatkah Anda menjelaskan lebih banyak tentang apa yang Anda maksud dengan 'berpusat' pada hari terakhir studi? mengapa tidak memompa saja pada hari ke 0 sampai jumlah hari pada hari terakhir penelitian? Juga - dalam tabel ringkasan Anda - di mana efek interaksi?
colin

Jawaban:


1

Ini mungkin tidak membantu menjawab pertanyaan Anda, tetapi saya perhatikan bahwa Anda memiliki ukuran berulang (Hari) dalam percobaan Anda, tetapi Anda tidak menunjukkan bahwa ini adalah ukuran berulang dalam model Anda. Saya akan berpikir istilah acak dalam model Anda adalah sebagai berikut:

mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject/Day, 
               data = mydf, na.action = na.omit,
               correlation = corAR1(form = ~1 |Subject/Day), method = "REML")

Sedangkan untuk melaporkan hasil, apakah Anda bermaksud melaporkan pada hari di mana Anda mulai melihat perbedaan yang signifikan antara perawatan? Jika demikian, maka saya pikir Anda harus melihat / melaporkan kontras pada istilah interaksi juga. Saya seorang pemula statistik dan pada dasarnya memiliki pertanyaan yang sama seperti Anda :-)

"Menemukan Statistik Menggunakan R" Andy Field menjelaskan bagaimana melaporkan hasil dari model efek campuran linier di Ch14. Saya tidak memiliki buku yang ada di tangan tetapi dapat mengedit posting ini setelah saya mendapatkannya lagi.


itu tergantung, jika Hari itu sama untuk semua Subjek, saya kira itu adalah faktor yang disilangkan daripada faktor acak, kan? Kemudian karena hari kontinu ditempatkan di depan garis vertikal. Komentar dihargai! random= Day|Subject
Aura Borealis
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.