RM-ANOVAでやりたいことが簡単にできるとは思いません。繰り返し回数はすべての被験者で同じではないからです。Rでは、混合効果モデルの実行は非常に簡単です。実際、少し時間をかけて基礎とコマンドを学ぶことで、多くの可能性が開かれます。また、混合モデリングは使用がはるかに簡単で柔軟性が高く、RM-ANOVAを直接実行する必要はほとんどありません。最後に、混合モデリングを使用すると、多くのアプリケーションで重要になる可能性がある残差の共分散構造(RM-ANOVAは単純に対角構造を想定する)も考慮できることを考慮してください。
そこRで線形混合モデル化するための2つの主要なパッケージは、次のとおりです。nlme
とlme4
。lme4
パッケージは、大規模なデータセットや、クラスター化されたデータを扱う場合に最適な、より最新のパッケージです。Nlme
は古いパッケージであり、主に非推奨ですlme4
。ただし、反復測定の設計では、残差の共分散構造をモデル化することlme4
しかnlme
できないため、それよりも優れています。の基本的な構文nlme
は非常に単純です。例えば:
fit.1 <- lme(dv ~ x + t, random=~1|subject, cor=corCompSymm())
ここでは、従属変数dv
と因子x
および時間関連の共変量の間の関係をモデル化していますt
。Subject
は変量効果であり、残差の共分散に複合対称構造を使用しました。これで、悪名高いp値を簡単に取得できます。
anova(fit.1)
最後に、nlmeの詳細なリファレンスガイドであるMixed Effects Models in S and S-Plusを使用して、nlmeの詳細を読むことをお勧めします。初心者にとってもう1つの優れたリファレンスは、線形混合モデル -R、SAS、SPSSなどのコードを使用した混合モデリングのさまざまなアプリケーションの多くの例をまとめた統計ソフトウェアを使用した実践ガイドです。