對時間效應內重複測量方差分析處理的Post-Hoc統計分析

我無法找到事後測試來解密會話影響中「Session」或時間的處理方法。對時間效應內重複測量方差分析處理的Post-Hoc統計分析

這是我的數據：

TR SESSION MAC FISHD  ID 
1 1  1 3.285714286 1 
2 1  2 0.571428571 2 
2 1  3 3.571428571 3 
1 1  4 4   4 
1 2  1 4   5 
2 2  2 6.571428571 6 
2 2  3 3.142857143 7 
1 2  4 8.857142857 8 
1 3  1 0.714285714 9 
2 3  2 1.714285714 10 
2 3  3 4.428571429 11 
1 3  4 0.714285714 12

這是我得到了重複測量：

model.b = lme(FISHD ~ TR + SESSION + TR*SESSION, 
      random = ~1|MAC, 
      data=TTDall2) 

> ACF(model.b) 
    lag  ACF 
1 0 1.0000000 
2 1 -0.7547232 
3 2 0.4852727 

> model2 = lme(FISHD ~ TR + SESSION + TR*SESSION, 
+ random = ~1|MAC, 
+ correlation = corAR1(form = ~ SESSION | MAC, 
+                                    value = -0.7547232), 
+ data=TTDall2, 
+ method="REML") 
> Anova(model2) 
Analysis of Deviance Table (Type II tests) 

Response: FISHD 
        Chisq  Df Pr(>Chisq)  
TR    0.2014  1  0.6536  
SESSION   25.0418 1 5.61e-07 *** 
TR:SESSION  103.9113 1 < 2.2e-16 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

我試圖破譯的時候有一個治療的影響。有任何想法嗎？

來源

2017-07-08 Berin

目前，您正在將會話建模爲一個連續變量，因此TR:SESSION的報告係數對TRT = 2中SESSION的值在整個範圍1：3範圍內進行「趨勢測試」。那是你希望發現的嗎？讓我們做正確的方式，與因素，特別是建立一個ordered因素：

model2 = lme(FISHD ~ factor(TR)*ordered(SESSION), # same as TRT+SESSION+TRT*ORDERED 
random = ~1|MAC, 
correlation = corAR1(form = ~ SESSION | MAC, 
value = -0.7547232), 
    data=dat, 
    method="REML") 
anova(model2) 
#------ 
          numDF denDF F-value p-value 
(Intercept)      1  4 37.48966 0.0036 
factor(TR)      1  2 0.20124 0.6976 
ordered(SESSION)    2  4 13.94379 0.0157 
factor(TR):ordered(SESSION)  2  4 52.02864 0.0014

因此，這是說，考慮到與會話的序列TRT的相互作用的分析發現了效果顯著差異的TRT。如果你不使用公式模型的相互作用（：FISHD ~ factor(TR)+ordered(SESSION)，則兩個組件是顯著：

model1 = lme(FISHD ~ factor(TR)+ordered(SESSION), 
random = ~1|MAC, 
correlation = corAR1(form = ~ SESSION | MAC, value = -0.7547232), 
    data=dat, 
    method="REML") 
anova(model1) 
#------------- 
       numDF denDF F-value p-value 
(Intercept)   1  6 44.53272 0.0005 
factor(TR)   1  2 0.14143 0.7430 
ordered(SESSION)  2  6 2.55154 0.1578

和：

> anova(model1, model2) 
     Model df  AIC  BIC logLik Test L.Ratio p-value 
model1  1 7 54.74813 55.30422 -20.37406       
model2  2 9 44.04435 42.17018 -13.02217 1 vs 2 14.70378 6e-04 
Warning message: 
In anova.lme(model1, model2) : 
    fitted objects with different fixed effects. REML comparisons are not meaningful.

這是一個警告，但我不認爲它適用於這裏，因爲varaialbes在模型中是相同的，只有結構是不同的

來源

2017-07-08 18:57:23

我需要澄清一下，什麼是警告？你所做的只是針對一般的重複措施是否正確？我們對我們的開始方法沒有信心所以這是有幫助的。所以你說的是在治療時間或「SESSION」的交互作用時，我們獲得了重要的時間價值和時間內的治療，這意味着在某個時間段的時間和治療會顯着影響魚類密度。正確？所以我們試圖找到一個事後檢驗來確定在哪個時間點治療是重要的。 – Berin

這不是我看到它的方式。這些測試都是跨越時間或處理的比較，所以沒有理由說一個SESSION負責。如果你做了一個情節，你會發現FISHD上升然後下降，所以隨着時間的推移，「二次」效應是我所懷疑的是模型比較意義的基礎。 –

對不起，還有一個問題。所以你說沒有辦法確定治療的影響在時間內？我有3個不同的會話，我們抽樣了一個，兩個和三個。在第三次會議上，經過處理的宏觀魚類具有較高的魚類密度，因此我們預計第三階段的處理會產生影響。在R中重複測量anova後沒有進行測試的事後測試？我相信我們正在尋找一個相當於在SASS「切片」它。非常感謝你的幫助。 – Berin

對時間效應內重複測量方差分析處理的Post-Hoc統計分析

回答

相關問題