Question

我一直在尝试将重复测量模型从SAS转换为R，因为合作者将进行分析，但没有SAS。我们正在处理4组，每组8到10只动物，然后每只动物5个时间点。模拟数据文件在此处https://drive.google.com/file/d/0B-WfycVUQyhaVGU2MUpuQkg4Mk0/edit?usp=sharing可用作Rdata文件，此处https://drive.google.com/file/d/0B-WfycVUQyhaR0JtZ0V4VjRkTk0/edit?usp=sharing可用作excel文件：

原始SAS代码（1）是：

proc mixed data=essai.data_test method=reml;
    class group time mice;
    model param = group time group*time / ddfm=kr;
    repeated time / type=un subject=mice group=group;
run;

给出了：

    Type 3 Tests des effets fixes
               DDL     DDL     Valeur
Effet         Num.    Res.          F    Pr > F
group            3    15.8       1.58    0.2344
time             4    25.2      10.11    <.0001
group*time      12    13.6       1.66    0.1852

我知道R不像SAS那样处理自由度，所以我首先尝试获得类似于（2）的结果：

proc mixed data=essai.data_test method=reml;
    class group time mice;
    model param = group time group*time;
    repeated time / type=un subject=mice group=group;
run;

我在这里找到了一些提示Converting Repeated Measures mixed model formula from SAS to R，并且在指定复合对称相关矩阵时，这非常有效。但是，我无法为一般相关矩阵获得相同的东西。

使用SAS中的（2），我得到以下结果：

   Type 3 Tests des effets fixes
              DDL     DDL     Valeur
Effet         Num.    Res.          F    Pr > F
group            3      32       1.71    0.1852
time             4     128      11.21    <.0001
group*time      12     128       2.73    0.0026

使用以下R代码：

options(contrasts=c('contr.sum','contr.poly'))
mod <- lme(param~group*time, random=list(mice=pdDiag(form=~group-1)),
            correlation = corSymm(form=~1|mice),
            weights = varIdent(form=~1|group),
            na.action = na.exclude, data = data, method = "REML")
anova(mod,type="marginal")

我获得：

            numDF denDF   F-value p-value
(Intercept)     1   128 1373.8471  <.0001
group           3    32    1.5571  0.2189
time            4   128   10.0628  <.0001
group:time     12   128    1.6416  0.0880

自由度是相似的，但不是对固定效果的测试，我不知道它来自何处。谁能知道我在这里做错了什么？

Answer 1

您的R代码在多种方面与SAS代码不同。其中一些是可修复的，但我无法修复所有方面来重现SAS分析。

R代码适合具有随机mice效果的混合效应模型，而SAS代码适合允许残差之间相关性的广义线性模型，但没有随机效应（因为有没有RANDOM声明）。在R中，您必须使用同一gls包中的nlme函数。
在R代码中，同一组内的所有观察结果具有相同的方差，而在SAS代码中，您具有非结构化协方差矩阵，即每个组中的每个时间点都有自己的方差。使用weights=varIdent(form=~1|group*time)。
在R代码中，无论组如何，每个鼠标的相关矩阵都是相同的。在SAS代码中，每个组都有自己的相关矩阵。这是我不知道如何在R中重现的部分。

我必须注意到R模型似乎更有意义 - SAS估计的方差和相关性太多（顺便说一下，你可以看到使用R和RCORR进行有意义的排列repeated语句的选项。

Answer 2

“在R代码中，每组鼠标的相关矩阵都是相同的，而与组无关。在SAS代码中，每组都有自己的相关矩阵。这是我不知道如何在R中再现的部分。” -尝试：correlation = corSymm（〜1 | group * time）

转换混合模型，重复测量从SAS到R.

2 个答案: