双向ANOVA - r中的重复测量,缺少期望的效果

时间:2014-06-05 17:38:37

标签: r statistics

我正在尝试用重复测量进行双向混合因子ANOVA。来自:

aov(Estimate ~ Dose*Visit, data = AUClast) 

我得到3个正方形:两个主要效果(访问和剂量)和他们的交互(剂量:访问),我手工弄清楚是正确的。

Dose和Visit都是解释变量,Dose是一个主题变量,有4个级别,3,10,30,100和Visit是2个级别,1和28的主题变量(重复测量)。此外, subjectID变量是'Animal'

我想在结果中加入一个效果,但不知道如何。期望的效果是剂量内动物之间的差异,或者SAS如何将动物称为动物(剂量)。 SS的计算方法如下:

sum((mean(Animal(ik))-mean(Dose(i))^2)

其中k是剂量i的动物(平均每只动物的第1次访问和第28次访问的观察估计值,并减去本研究中所有动物的剂量数量平方的动物的平均估计值)。 p>

是否有人知道如何相应地调整配方以包含动物(剂量)效果?

如果所有这些都太不明确,请提前感谢您的帮助和抱歉。

1 个答案:

答案 0 :(得分:1)

如果我理解正确,我有一个建议。首先,一个样本数据集

#sample data
set.seed(15)
AUClast<-data.frame(
    expand.grid(
    Animal=1:3,
    Dose=c(3,10,30,100),
    Visit=c(1,28)
    ), Estimate=runif(24)
)

现在我们按要求计算交互项。首先,我们将数据分成剂量组,然后对于每个剂量组,我们从每只动物的平均值中减去总体平均值。然后我们总结这些差异的平方。最后,我们将它们展开,然后使用unsplit进行分组。

animaldose<-unsplit(lapply(split(AUClast, AUClast$Dose), function(x) {
    rep(
        sum((tapply(x$Estimate, x$Animal, mean) - mean(x$Estimate))^2)
    , nrow(x))
}), AUClast$Dose)

我们可以看到原始data.frame

旁边的内容
cbind(AUClast, animaldose)

给出了结果

   Animal Dose Visit   Estimate animaldose
1       1    3     1 0.60211404  0.1181935
2       2    3     1 0.19504393  0.1181935
3       3    3     1 0.96645873  0.1181935
4       1   10     1 0.65090553  0.1641363
5       2   10     1 0.36707189  0.1641363
6       3   10     1 0.98885921  0.1641363
7       1   30     1 0.81519341  0.0419291
8       2   30     1 0.25396837  0.0419291
9       3   30     1 0.68723085  0.0419291
10      1  100     1 0.83142902  0.1881314
11      2  100     1 0.10466936  0.1881314
12      3  100     1 0.64615091  0.1881314
13      1    3    28 0.50909039  0.1181935
14      2    3    28 0.70662857  0.1181935
15      3    3    28 0.86231366  0.1181935
16      1   10    28 0.84178515  0.1641363
17      2   10    28 0.44744372  0.1641363
18      3   10    28 0.96466695  0.1641363
19      1   30    28 0.14118707  0.0419291
20      2   30    28 0.77671251  0.0419291
21      3   30    28 0.80372740  0.0419291
22      1  100    28 0.79334595  0.1881314
23      2  100    28 0.35756312  0.1881314
24      3  100    28 0.05800106  0.1881314

所以你可以看到每个小组都有它自己的调整。