Question

实验设计涉及10名参与者。所有人都经过条件A，B，C，D进行治疗，但是对于参与者1-5，通过条件E，F和参与者6-10通过条件G，H。

我正在使用带有lme函数的nlme软件包来处理缺少的数据并阻止参与者的列表删除。测量变量= DV，固定效果=条件，随机效应=参与者）。当一切都刚过来时，这就是我所拥有的：

lme(DV~cond, random =~1|ppt, data = OutcomeData, method = "ML", na.action = na.exclude)

当第一部分（条件A，B，C，D）越过而第二部分E，F和G，H嵌套时，设置的统计数据是什么......任何帮助或指导都会很大不胜感激！感谢。

Answer 1

我认为您的设计可以被视为有计划的＆＃34;缺失＆＃34;设计，其中一部分受试者未有计划地接触某些条件（参见Enders，2010）。如果这些值随机完全丢失＆＃34;您可以将数据视为从单向重复测量设计中获得的数据，在E-H条件下缺少值。

我建议你加一个变量＆＃34; block＆＃34;区分通过条件A-D加上E和F的受试者与其他受试者。然后，您可以将模型指定为

summary(m1 <- lme(DV ~ cond, random=~1|block/ppt, data=OutcomeData, method = "REML"))

如果您将受试者正确地随机分成2个区块，则不应该存在与区块相关的显着变化。您可以通过拟合另一个没有块随机效应的模型来测试这个，并比较这两个模型：

summary(m0 <- lme(DV ~ cond, random=~1|ppt, data=OutcomeData, method = "REML"))
anova(m0, m1)

method = "REML"因为我们正在比较随机效果不同的嵌套模型。要估计固定效果，您可以使用method = "ML"更好地拟合模型（希望m0）。

如果您尚未收集数据，我强烈建议您将主题随机分配到2个区块。将对象1-5分配给块1（即，通过条件E和F）并且将对象6-10分配给另一个块可以引入混杂变量（例如，时间，技术人员习惯该过程）。