我在收集功率计算所需的数据时遇到了问题,该数据将由其他人执行。我的统计信息和编码能力很小,因此可以真正使用一些帮助!
实验设置:来自2个不同组的男性和女性受试者 (=性别,男/女) (=基因型,WT / KO) 。我需要知道需要分析多少个主题以及多少个样本/主题。我已经针对每种情况分析了2个主题,每个样本20个样本,这提供了我用于功效计算的数据集。
我目前正在使用线性混合模型分析,例如:
logdendritemeandiameter.lm <- lmer(log(Dendrite_Mean_Diameter) ~
sex + genotype + (1|subject), data = dendrite)
问题:我被要求“保留针对性别进行过调整的残差,对其进行标准化,分别在KO组和WT组中发送均值和SD。”出于各种原因,这是我可以做的最好的解释。
问题:我使用以下方法对残差进行了标准化:
stres = residuals(logdendritemeandiameter.lm, type = "pearson")
但是,我不知道如何调整残差的性别以及如何分别获取每种基因型的均值和标准差。有什么建议吗?
答案 0 :(得分:0)
关于这个问题,我有几件事我不了解,但我会尽力提供帮助。
出于统计原因极端,使用部分数据集来计算需要采集的样本数量的功效。您应该基于(1)预期[或最小的兴趣]效应大小先验进行功效分析; (2)基于先前实验或基于误差项大小(对象方差,残差方差)的常识的想法
我不确定“保存针对性别进行了调整的残差,对其进行标准化,然后分别在KO组和WT组中发送均值和SD”。听起来某人可能(?)希望您只考虑性别而不考虑基因型(具有WT
(野生型)或KO
(淘汰)的基因来拟合模型。 ?):
newmod <- update(model_with_a_long_name, . ~ . -genotype)
r <- residuals(newmod)
aggregate(r, by=dendrite$genotype, "mean")
aggregate(r, by=dendrite$genotype, "sd")
我建议您再找一个告诉您“标准化残差”的人,并请他们澄清其实际含义...