Rでプロットを分割

各ベンチマークにベンチマークとサブサンプルのデータセットがあります。これらのベンチマークとそのサブサンプルを対象マシンで実行します。サブサンプルによって調査される「個人」は各対象マシンで同じであり、ベンチマークは各対象マシンで同じです。$n$$m$$p$

この状況でRで分散分析を実行するにはどうすればよいですか？

主に、平均値と信頼区間の合計を計算します。サブサンプルの平均についてはまったく気にしませんが、最終的な信頼と平均でそこの複製を認識したいと思います。ベンチマークの手段については気にするかもしれません。このanovaをRでセットアップする方法を理解できません。手動で計算して平均を再現できるようにしたいと考えています。

私が試してみましたglm、anova、aov、とlme私は完全に混乱しています。ANOVAの結果は、2つの対象マシンについて、ネストされたマシン/ベンチマーク/チェックポイントの平均と同等であると思いますが、それらを試しても平均値は同じにはなりません。

編集：

http://zoonek2.free.fr/UNIX/48_R/13.htmlから手がかりを取得し始めています

分割プロット設計と、完全にランダム化された設計やブロック設計のバリエーションなどの他の設計との主な違いは、対象の入れ子構造です。つまり、観測が同じ対象（実験単位）から複数回取得された場合です。これにより、ブロック内の相関構造とは異なる分割プロット設計のサブジェクト内の相関構造が生じます。

簡単なスプリットプロットデザイン（下）からのデータセットの例を見てみましょう。これは健康に関する食事構成の研究であり、4つの食事が12の被験者にランダムに割り当てられました。ベースライン血圧が確立され、健康の1つの指標は2週間後の血圧変化でした。血圧は朝と夕方に測定されました。（この例は、CasellaのStatistical Designブックの例5.1 からコピーされています）

$$\begin{array}{r|ccccc|l} ~ & \text{Diet} 1 & \text{Diet} 2 & \text{Diet}3 & \text{Diet}4 \\\hline ~ & \text{Subject} & \text{Subject} & \text{Subject} &\text{Subject}\\ ~ & 1 \, 2 \, 3 & 4 \, 5 \, 6 & 7 \, 8 \, 9 & 10 \, 11 \, 12\\\hline \text{Morning} & x \, x \, x & x \, x \, x & x \, x \, x & x \, x \, x\\ \text{Evening} & x \, x \, x & x \, x \, x & x \, x \, x & x \, x \, x\\ \hline \end{array}$$

注意すべきいくつかの重要な点：

• 12実験ユニット（12科目）があります。
• これらの12ユニットでは、24のデータポイント（ $2 \times 4 \times 3$）、 $x$
• これは、同じ主題について2つの観察を行うためです。1つは朝、もう1つは夕方です。
• これは、被験者に関する2つの観測が同じ実験ユニットからのものであることを意味します。したがって、これは真のレプリケーションではありません。観察は時間の経過とともに同じ被験者から取得されるため、2つの観察の間には何らかの相関関係があるはずです。
• これは、ダイエットと時間を因子とする2 因子分散分析とは異なることに注意してください。
• 二元配置分散分析では、次のような観測結果が得られます。

$$\begin{array}{r|ccccc|l} ~ & \text{Diet} 1 & \text{Diet} 2 & \text{Diet}3 & \text{Diet}4 \\\hline \text{Morning} & x \, x \, x & x \, x \, x & x \, x \, x & x \, x \, x\\ \text{Evening} & x \, x \, x & x \, x \, x & x \, x \, x & x \, x \, x\\ \hline \end{array}$$

各々の $x$ここに別の主題があります。これはネストの概念を示しています。つまり、被験者1、2、3はダイエット1にネストされます。-プロット全体、プロット全体（ダイエット）レベルの実験単位（被験者）は、分割プロット処理（朝-夕方）のブロックとして機能します。

この分割プロット設計のモデルは次のとおりです。

$$Y_{ijk} = \mu + \tau_i + S_{ij} + \gamma_{k} + (\tau \gamma)_{ik} + \epsilon_{ijk},$$ どこ $$Y_{ijk} = \text{the response to diet i of subject j at time k,}$$ $$\tau_i = \text{diet i effect}$$ $$S_{ij} = \text{subject j's effect in diet i (whole plot error)}$$ $$(\tau \gamma)_{ik} = \text{the interaction of diet i and time j}$$ $$\epsilon_{ijk} = \text{split plot error}$$ モデルが適切に定式化されたら、R aovフォームでの記述は簡単です。

splitPltMdl <- aov(bloodPressure ~ Diet + ## Diet effect 
                                   Error(Subject/Diet) + ## nesting of Subject in Diet 
                                   Time*Diet, ## interaction of Time and Diet 
                                   data = dietData)