Question

我试图在一篇论文中复制一个3因子嵌套ANOVA分析：Underwood，AJ（1993）空间复制抽样机制，以检测变量世界中的环境影响。

该示例的数据（来自表3，Underwood 1993）可以通过以下方式生成：

dat <-
structure(list(B = structure(c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L
), .Label = c("A", "B"), class = "factor"), C = structure(c(2L,
2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L,
1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L,
1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L,
1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
2L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("C", "I"), class = "factor"),
    Times = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L,
    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
    3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 1L, 1L, 1L, 1L,
    1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L,
    3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
    4L, 4L), .Label = c("1", "2", "3", "4"), class = "factor"),
    Locations = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L,
    1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L,
    3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L,
    2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L,
    1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L,
    3L), X = c(59L, 51L, 45L, 46L, 40L, 32L, 39L, 32L, 25L, 51L,
    44L, 37L, 55L, 47L, 41L, 31L, 38L, 45L, 41L, 47L, 55L, 43L,
    36L, 29L, 23L, 30L, 37L, 57L, 50L, 43L, 36L, 44L, 51L, 39L,
    29L, 23L, 38L, 44L, 52L, 31L, 38L, 45L, 42L, 35L, 28L, 52L,
    44L, 37L, 51L, 43L, 37L, 38L, 31L, 24L, 60L, 52L, 46L, 30L,
    37L, 44L, 41L, 34L, 27L, 53L, 46L, 39L, 40L, 34L, 26L, 21L,
    27L, 35L), Times.unique = structure(c(5L, 5L, 5L, 5L, 5L,
    5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 7L, 7L,
    7L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 8L,
    8L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L,
    2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L,
    4L, 4L, 4L, 4L, 4L, 4L, 4L), .Label = c("A_1", "A_2", "A_3",
    "A_4", "B_1", "B_2", "B_3", "B_4"), class = "factor")), .Names = c("B",
"C", "Times", "Locations", "Y", "Times.unique"), row.names = c(NA,
-72L), class = "data.frame")

dat

数据框dat有4个因素：

B - 有两个级别“A”和“B”（在v之后）

时间 - 8个级别，4个在“B”之前，4个在“A”之后，在每个级别内编码为1：4。请注意，变量Times.unique是相同的，但每次都有一个唯一的代码（之前和之后）

地点 - 有三个级别，每次都在

之前和之后都进行测量

C - 有两个级别控制（C）和（I）。注意：两个位置是控制，一个是影响

虽然我很清楚如何使用混合模型（lmer）分析这样的设计，但我想完全复制他的例子，以便我可以运行一些模拟来比较他的方法。

特别是我试图复制表4中“a”栏下的SS值。他适合具有以下术语的SS和df值的设计：

B - ＆gt; SS = 66.13，df = 1

时间（B） - ＆gt; SS = 280.64，df = 6

地点 - ＆gt; SS = 283.86，df = 2

B x位置 - ＆gt; SS = 29.26，df = 2

时间（B）x地点 - ＆gt; SS = 575.45，df = 12

残留 - ＆gt; SS = 2420.00，df = 48

总计 - ＆gt; SS = 6208.34，df = 71

我假设时间（B）术语代表嵌套在治疗前/后“B”中的时间。在这个例子中，他忽略了Locations来自对照和影响治疗，并完全不考虑因子C.

我已经尝试了所有可能的组合，我可以想到重现这个嵌套的anova，使用独特的Times编码和在B（之前和之后）中编码为1：4的Times。我尝试在％，/和Error（）参数中使用％，以及从汽车中使用Anova来更改计算出的SS类型。％in和/嵌套拟合的示例包括：

aov(Y~B+Locations+Times%in%B+B:Locations+Times%in%B:Locations, data=dat)
aov(Y~B+Locations+B/Times+B:Locations+B/Times:Locations, data=dat)

我似乎无法完全复制Underwood的SS值，特别是对于两个交互术语。朋友让我在statistix中拟合模型，其中SS值可以精确地再现，因此可以获得该模型的上述SS值。

任何人都可以帮我在R中使用这个模型吗？我希望将它嵌入到更大的模拟中，并且真的需要能够在R中运行模型，以便完全重现Underwood 1993 SS值吗？

Answer 1

你的问题是dat$Locations是一个整数，它应该是一个因子（三个唯一的位置）。一个提示是你的ANOVA系列认为Locations仅占用1 df，而Underwood则认为它只有2 df。

只需添加以下行：

dat$Locations = factor(dat$Locations)

然后您的代码行完美地再现了Underwood的结果：

aov(Y~B+Locations+B/Times+B:Locations+B/Times:Locations, data=dat)
#Call:
#   aov(formula = Y ~ B + Locations + B/Times + B:Locations + B/Times:Locations, 
#    data = dat)
#
#Terms:
#                        B Locations   B:Times B:Locations B:Locations:Times
#Sum of Squares    66.1250 2836.8611  280.6389     29.2500          575.4444
#Deg. of Freedom         1         2         6           2                12
#                Residuals
#Sum of Squares  2420.0000
#Deg. of Freedom        48

R中的3个因子嵌套ANOVA

1 个答案: