जोड़ा, दोहराया-उपायों एनोवा या एक मिश्रित मॉडल?


9

मुझे रक्तचाप को मापने के दो तरीकों की तलाश में नैदानिक ​​परीक्षण से कुछ डेटा का विश्लेषण करने के लिए कहा गया है। मेरे पास 50 विषयों का डेटा है, प्रत्येक में 2 और 57 के बीच प्रत्येक विधि का उपयोग किया गया है।

मैं सोच रहा हूं कि कैसे आगे बढ़ना है।

स्पष्ट रूप से मुझे एक समाधान की आवश्यकता है जो इस तथ्य के लिए जिम्मेदार होगा कि रक्तचाप का माप युग्मित है (दो तरीकों को समकालीन रूप से मापा गया है) और एक समय भी अलग-अलग कोवरिएट (मरीज के प्रति अलग-अलग टिप्पणियों के साथ) और साथ ही अंतर और खाते के लिए खाता है। रोगी की चंचलता।

मैं किसी भी तरह से जूता-बार-बार दोहराना उपायों में सोच रहा था, लेकिन मुझे लगता है कि यह एक मिश्रित मॉडल का दृष्टिकोण होने की आवश्यकता हो सकती है।

मुझे आपके द्वारा दी जा सकने वाली किसी भी उपयोगी सलाह की सराहना होगी।

मैं एक पूर्ण आर नौसिखिया हूं, लेकिन कौशल विकसित करने के लिए बहुत उत्साहित हूं और मुझे स्टैटा में एक उदारवादी अनुभव है ताकि हमेशा उस पर वापस गिर सके।

जवाबों:


11

मुझे नहीं लगता कि आप आसानी से आरएम-एनोवा के साथ क्या करना चाहते हैं क्योंकि सभी विषयों के लिए पुनरावृत्ति की संख्या समान नहीं है। आर-मिश्रित मॉडल चलाना आर में बहुत आसान है। वास्तव में, बुनियादी बातों और आदेशों को सीखने के लिए थोड़ा समय लगाकर, यह आपके लिए बहुत सारी संभावनाएं खोलेगा। मैं मिश्रित-मॉडलिंग का उपयोग करने के लिए बहुत सरल और अधिक लचीली भी हूं और लगभग कभी भी आरएम-एनोवा को सीधे करने की आवश्यकता नहीं है। अंत में, विचार करें कि मिश्रित मॉडलिंग के साथ आप अवशिष्टों की सहसंयोजक संरचना (आरएम-एनोवा) को केवल एक विकर्ण संरचना मान सकते हैं) जो कई अनुप्रयोगों के लिए महत्वपूर्ण हो सकता है।

R: nlmeऔर में रैखिक मिश्रित मॉडलिंग के लिए दो मुख्य पैकेज हैं lme4lme4संकुल और अधिक आधुनिक है जो बड़े डेटासेट के लिए और भी मामलों आप संकुल डेटा से निपटने के लिए बहुत अच्छा है। Nlmeपुराना पैकेज है और ज्यादातर इसके पक्ष में पदावनत है lme4। हालांकि, बार-बार किए गए उपायों के डिजाइन के लिए यह अभी भी बेहतर है lme4क्योंकि केवल nlmeआपको अवशेषों के सहसंयोजक संरचना को मॉडल करने की अनुमति देता है। का मूल सिंटैक्स nlmeबहुत सरल है। उदाहरण के लिए:

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

यहां मैं एक आश्रित चर dvऔर एक कारक xऔर समय से संबंधित सहसंयोजक के बीच संबंध को मॉडलिंग कर रहा हूं tSubjectएक यादृच्छिक प्रभाव है और मैंने अवशिष्ट के सहसंयोजक के लिए एक यौगिक समरूपता संरचना का उपयोग किया है। अब आप आसानी से कुख्यात पी-मान प्राप्त कर सकते हैं:

anova(fit.1)

अंत में, मैं आपको अपने निश्चित संदर्भ गाइड, एस और एस-प्लस में मिश्रित प्रभाव मॉडल का उपयोग करके ल्युमे के बारे में और अधिक पढ़ने का सुझाव दे सकता हूं । शुरुआती के लिए एक और अच्छा संदर्भ रैखिक मिश्रित मॉडल है - सांख्यिकीय सॉफ्टवेयर का उपयोग करने वाला एक व्यावहारिक गाइड जो आर, एसएएस, एसपीएसएस, आदि में कोड के साथ मिश्रित मॉडलिंग के विभिन्न अनुप्रयोगों के बहुत सारे उदाहरणों को संकलित करता है।



धन्यवाद एलेफ - उन दो संदर्भ भयानक हैं - जैसा कि वुल्फ के ऊपर है। मैं सोच रहा हूं कि क्या मैं अपने सवाल को मॉडल की संरचना करने के तरीके में थोड़ा विस्तार कर सकता हूं। मैं पहचान करने के लिए प्रतीत नहीं कर सकते DV !! मेरे पास बीपी माप के दो सेट (दो तरीके) के साथ-साथ रोगी आईडी और अवलोकन का समय है। मैं दो बीपी माप के बीच अंतर कैसे कर सकता हूं (एक नमूना टी-परीक्षण के अनुरूप है कि अंतर = 0) ?? आपको हाउंड करने के लिए क्षमा करें - मैं अब अपने पढ़ने के साथ मिलूंगा!
सैम

हर किसी की चिंता मत करो - मुझे लगता है कि मैंने इसे समझ लिया है !!! मेरे पास मेरा डेटा गलत प्रारूप में था। जब मैंने आखिरकार इसका पता लगाया और इसे लंबे प्रारूप में जोड़ दिया, तो इन सभी पोस्टों ने बहुत अधिक अर्थ कमाया !! सभी को फिर से धन्यवाद।
सैम

मुझे ख़ुशी है कि तुमने उसे ढूँढ लिया। ऐसा लगता है कि एक सामान्य नियम के रूप में, आर के अधिकांश पैकेज लंबे प्रारूप में डेटा के साथ काम करते हैं।
एलेफिन

1

आप आर का उपयोग करके देख रहे हैं मिश्रित मॉडल के साथ RM-एनोवा के लिए यह तो आपको देखना चाहते हो http://blog.gribblelab.org/2009/03/09/repeated-measures-anova-using-r/ रहे हैं RM-ANOVA को पूरा करने के लिए मिश्रित मॉडल का उपयोग करने के तरीके को प्रदर्शित करने के लिए शानदार उदाहरण।

मेरे अनुभव के आधार पर, मिश्रित मॉडल से निपटने के लिए एसएएस एक बेहतर उपकरण है। यदि आप एसएएस का उपयोग कर रहे हैं, तो आप आरएम-एनोवा के लिए एसएएस सहायता "प्रोक मिक्स्ड" की जांच कर सकते हैं।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.