दोहराए गए उपाय एनोवा दो-विषय कारकों के लिए आर / में lmer / lmer के साथ

Question

मैं पैकेज lmeसे उपयोग करने की कोशिश कर रहा हूं कि दोहराए गए उपायों के लिए nlmeपरिणाम aovदोहराए जाएं। मैंने एक एकल-कारक बार-बार प्रयोग के लिए और दो-कारक प्रयोग के लिए एक के बीच-विषय कारक और एक-विषय-कारक कारक के लिए किया है, लेकिन मुझे दो-दो के साथ दो-कारक प्रयोग के लिए इसे करने में परेशानी हो रही है -सुबह के कारक।

एक उदाहरण नीचे दिया गया है। Aऔर Bनिश्चित प्रभाव कारक हैं और subjectएक यादृच्छिक-प्रभाव कारक है।

set.seed(1)
d <- data.frame(
    Y = rnorm(48),
    subject = factor(rep(1:12, 4)),
    A = factor(rep(1:2, each=24)),
    B = factor(rep(rep(1:2, each=12), 2)))

summary(aov(Y ~ A*B + Error(subject/(A*B)), data=d))  # Standard repeated measures ANOVA

library(nlme)
# Attempts:
anova(lme(Y ~ A*B, data=d, random = ~ 1 | subject))  # not same as above
anova(lme(Y ~ A*B, data=d, random = ~ 1 | subject/(A+B)))  # gives error

मैं पिनहेइरो और बेट्स पुस्तक में इसका स्पष्टीकरण नहीं देख पाया, लेकिन मैंने इसे अनदेखा कर दिया।

Answer 1

क्या आप के साथ फिटिंग कर रहे हैं aovएक स्ट्रिप भूखंड कहा जाता है, और इसके साथ फिट करने के लिए मुश्किल है lmeक्योंकि subject:Aऔर subject:Bयादृच्छिक प्रभाव को पार कर रहे हैं।

आपके पहले प्रयास के बराबर है aov(Y ~ A*B + Error(subject), data=d), जिसमें सभी यादृच्छिक प्रभाव शामिल नहीं हैं; आपका दूसरा प्रयास सही विचार है, लेकिन lme का उपयोग करके बेतरतीब प्रभावों को पार करने के लिए सिंटैक्स बहुत मुश्किल है।

का प्रयोग lmeसे nlmeपैकेज, कोड होगा

lme(Y ~ A*B, random=list(subject=pdBlocked(list(~1, pdIdent(~A-1), pdIdent(~B-1)))), data=d)

का प्रयोग lmerसे lme4पैकेज, कोड की तरह कुछ होगा

lmer(Y ~ A*B + (1|subject) + (1|A:subject) + (1|B:subject), data=d)    

आर-हेल्प के ये धागे सहायक हो सकते हैं (और क्रेडिट देने के लिए, यही वह जगह है जहां से मुझे nlmeकोड मिला है)।

http://www.biostat.wustl.edu/archives/html/s-news/2005-01/msg00091.html

http://permalink.gmane.org/gmane.comp.lang.r.lme4.devel/3328

http://www.mail-archive.com/[e-mail]/msg10843.html

यह अंतिम लिंक पिनहेइरो / बेट्स के p.165 को संदर्भित करता है; वह भी मददगार हो सकता है।

संपादित करें: यह भी ध्यान दें कि आपके पास जो डेटा सेट है, उसमें कुछ विचरण घटक नकारात्मक हैं, जिन्हें लमी के साथ यादृच्छिक प्रभावों का उपयोग करने की अनुमति नहीं है, इसलिए परिणाम भिन्न होते हैं। सभी धनात्मक विचरण घटकों के साथ एक डेटा सेट 8 के बीज का उपयोग करके बनाया जा सकता है। परिणाम तब सहमत होते हैं। इस जवाब को देखें जानकारी के लिए।

यह भी ध्यान रखें कि lmeसे nlmeसही ढंग से स्वतंत्रता का हर डिग्री की गणना नहीं करता, इसलिए एफ आंकड़े इस बात से सहमत नहीं है, लेकिन पी मूल्यों, और lmerसे lme4भी कोशिश नहीं करता है क्योंकि यह असंतुलित पार यादृच्छिक प्रभाव की उपस्थिति में बहुत मुश्किल है, और नहीं हो सकता यहां तक ​​कि एक समझदार बात करने के लिए। लेकिन इससे भी ज्यादा मैं यहां आना चाहता हूं।

Comments

हारून, मुझे नहीं लगता कि आपका lmer कोड सही है। ओपी aovकॉल केवल एक मानक दोहराया-माप डिजाइन है, जो एक के रूप में लैमर के साथ विश्लेषण करेगा lmer(Y~A*B+(1|subject))। (हालांकि, अधिक जटिल मॉडल के लिए यह उत्तर भी देखें जो एस-एस प्रभाव प्रभाव और सहसंबंधों के आकलन की अनुमति देते हैं: आंकड़े.stackexchange.com/questions/13166/rs-lmer-cheat-sheet/… )

— माइक लॉरेंस

ओपी के एनोव कॉल में तीन यादृच्छिक प्रभाव हैं; यह दोहराने के लिए कि lmerमेरे उपरोक्त कोड के साथ सही है। आपके lmerकोड में केवल एक यादृच्छिक प्रभाव है। जो सही है वह संदर्भ पर निर्भर करेगा।

— आरोन -

यह भी ध्यान दें कि आपके द्वारा जोड़ा गया उत्तर पार किए गए यादृच्छिक प्रभावों का कोई उदाहरण नहीं है।

— हारून - मोनिका

Answer 2

यदि आप ऐसा करने की कोशिश कर रहे हैं तो आपका पहला प्रयास सही उत्तर है। nlme () घटकों के बीच और भीतर काम करता है, आपको उन्हें निर्दिष्ट करने की आवश्यकता नहीं है।

समस्या यह है कि आप नहीं चल रहे हैं क्योंकि आप नहीं जानते कि मॉडल को कैसे निर्दिष्ट किया जाए, यह इसलिए है क्योंकि दोहराए गए उपाय एनोवा और मिश्रित प्रभाव एक ही बात नहीं है। कभी-कभी एनोवा और मिश्रित प्रभाव मॉडल के परिणाम मेल खाएंगे। यह विशेष रूप से ऐसा मामला है जब आप अपने डेटा को एकत्र करते हैं जैसे आप एक एनोवा के लिए करते हैं और उसी से दोनों की गणना करते हैं। लेकिन आम तौर पर, जब सही ढंग से किया जाता है, जबकि निष्कर्ष समान हो सकते हैं परिणाम लगभग समान नहीं हैं। आपका उदाहरण डेटा वास्तविक दोहराया उपायों की तरह नहीं है, जहां आपके पास अक्सर एस के भीतर प्रत्येक उपाय की प्रतिकृति होती है। जब आप एक एनोवा करते हैं तो आमतौर पर आप प्रत्येक विषय के लिए प्रभाव का अनुमान प्राप्त करने के लिए उन प्रतिकृति में एकत्र होते हैं। मिश्रित प्रभाव वाले मॉडलिंग में आप ऐसा कुछ नहीं करते हैं। आप कच्चे डेटा के साथ काम करते हैं। जब आप ऐसा करते हैं '

[एक तरफ के रूप में, lmer के बजाय lmer () (lme4 पैकेज से) का उपयोग करके () मुझे SS और MS मान दें जो आपके उदाहरण में प्रभाव के लिए बिल्कुल ANOVA से मेल खाते हों, यह सिर्फ इतना है कि F के अलग हैं]

Comments

मेरा मानना ​​है कि अगर सबकुछ मिश्रित मॉडल (यानी एमएल या आरईएमएल के साथ अनुमान प्राप्त करना) का उपयोग करके परिणाम को संतुलित किया जाता है और एनोवा (यानी, क्षणों के साथ अनुमान प्राप्त करना) का उपयोग करने का परिणाम लगभग समान होगा। इस मामले में परेशानी दोनों विधियों का उपयोग करके एक ही मॉडल को फिट करने के लिए वाक्यविन्यास है।

— हारून - मोनिका

मुझे यकीन नहीं है कि आप क्या हासिल करने की कोशिश कर रहे हैं। ऐसा लग रहा था कि आप बस यह जानने की कोशिश कर रहे थे कि रिश्ते को बेहतर ढंग से समझने के लिए परिणामों को कैसे दोहराया जाए। आप जो करना चाहते हैं, वह nlme के साथ नहीं किया जा सकता है। मैंने अभी-अभी लैमर को देखा और यह संभव भी नहीं है (हालाँकि कम से कम यह आपके प्रभाव के लिए एमएस को रिपोर्ट करता है कि अनोवा)। यदि आप एनोवा परिणाम चाहते हैं, तो बस एक एनोवा करें। वास्तविक डेटा के साथ, सही ढंग से किया गया, दोनों लगभग कभी एक समान नहीं हैं।

— जॉन

यह भी ध्यान दें कि पहला प्रयास सही नहीं है क्योंकि यह ठीक से रेंडम रैंडम प्रभावों का हिसाब नहीं देता है।

— हारून -

जॉन, आपके उत्तर के लिए धन्यवाद। ऐसा करने का मेरा कारण यह था कि मैंने इस साइट पर कहीं पढ़ा कि दोहराए गए उपायों को आम तौर पर किसी भी अधिक अनुशंसित नहीं किया जाता है, मिश्रित-प्रभाव वाले मॉडल को पसंद किया जाता है। किसी कारण से मैं इस धारणा के तहत था कि दो विधियां संतुलित डिजाइन के लिए समान परिणाम देंगी, और मैं इस बात की पुष्टि करने की कोशिश कर रहा था।

— 20999 पर mark999

हारून, मैंने इसे सही उत्तर के रूप में लिया, जिसे लगभग बराबर माना जाएगा। यह आम तौर पर दोहराया उपायों की नकल करने में पहले कदम के रूप में अनुशंसित है। परफेक्ट मैच में 'सही' नहीं है। अधिक यादृच्छिक प्रभावों में जोड़ने से समस्या हल नहीं होगी। मैं ध्यान देता हूं कि आपके द्वारा लिखे गए उत्तरों में से एक आपके द्वारा लिखे गए समाधान की अनुशंसा करता है। हालाँकि, यह बिल्कुल अलग नहीं है एक एनोवा परिणाम (मॉडल अलग है, लेकिन एनोवा नहीं है) जो मैंने कहा था कि सही था। मुझे लगता है कि लेखक सिर्फ ओपी से पूछ रहा था कि वह मैच करने की कोशिश कर रहा था लेकिन यह एक समझदार मॉडल नहीं है।

— जॉन