如何找到空间分布的数据中两个条件之间统计差异的位置？

Question

我正在分析沿着边缘线性组织的解剖数据。边缘分为100个部分，对于每个部分，我对60个不同的个人分别测量因变量深度。因此，沿剖面的度量在空间上是相关的。我对30个A型个体和30个B型个体进行了这100个部分的测量，统计问题是：是否存在A或B之间显着不同的部分或部分组？

以下是重现该问题的代码：

# Problem data
n<-100 # number of sections
rand.depth<-function(x) sin(seq(0,4*pi,,x))+rnorm(x) # correlated and noisy data
df <- data.frame(Individual=rep(1:60,each=100),Type=rep(c("A","B"),each=300),Section=rep(1:100,60),Depth=as.vector(replicate(60,rand.depth(n))))

# now introduce a difference between A and B in sections 21:30
diff<-c(seq(0.1,1,0.2),seq(1,0.1,-0.2))
df$Depth[df$Type=="A" & df$Section %in% 21:30]<-df$Depth[df$Type=="A" & df$Section %in% 21:30]+diff
df$Depth[df$Type=="B" & df$Section %in% 21:30]<-df$Depth[df$Type=="B" & df$Section %in% 21:30]-diff

# Plot
pt<-aggregate(Depth~Section*Type,df,mean) 
ggplot(pt,aes(x=Section, y=Depth, group=Type,colour=Type)) +
  geom_line()

对于这些数据，问题是：什么样的分析将揭示21:30部分中A / B类型之间的差异？

对于这种问题，如果没有空间组织，我通常使用以下形式的LMM：form = Depth〜Type * Section +（1 + Section | Individual）。因此，我研究了空间滞后和误差模型以及carBAYES软件包，这看起来很有希望，但我不知道如何找到统计差异的位置。例如，在carBAYES中本地化的S.CAR函数是否允许？