技術的な変化と実際の信号

3つの異なる条件下で、継続的な結果の違いをテストしています。

条件AIで結果を測定します。同じサンプルに対してこれを2回行います。値の例は2.2、2.1です。これらは、同じ生物学的ソースに由来する「技術的な」複製です

条件Aの4つの「生物学的」複製についても同じことを行います。

A1, measure 1: 2.2
A1, measure 2: 2.1
A2, measure 1: 2.0
A2, measure 2: 2.1
A3, measure 1: 1.9
A3, measure 2: 1.8
A4, measure 1: 1.5
A4, measure 2: 1.6

また、条件B、C、およびDがあり、4つの「生物学的」複製のそれぞれに2つの「技術的」複製があります。

技術的変動と生物学的変動の両方を最もよく説明する平均差（ANOVA）の検定をどのようにテストしますか？各ペアは同じ生体サンプルに由来するため、各測定を個別の観測値としてカウントするモデルを適合させたくありません。ペアを平均するよりももっと良い方法があるはずだと思います。

おまけ：Rではこれをどのように行うのですか？

私が次のようなデータを持っていると仮定します：

> data
   condition sample measurement outcome
1          A      1           1     2.2
2          A      1           2     2.1
3          A      2           1     2.0
4          A      2           2     2.1
5          A      3           1     1.9
6          A      3           2     1.8
7          A      4           1     1.5
8          A      4           2     1.6
9          B      1           1     1.7
10         B      1           2     1.6
11         B      2           1     1.5
12         B      2           2     1.6
13         B      3           1     1.4
14         B      3           2     1.3
15         B      4           1     1.0
16         B      4           2     1.1
17         C      1           1     2.4
18         C      1           2     2.3
19         C      2           1     2.2
20         C      2           2     2.3
21         C      3           1     2.1
22         C      3           2     2.0
23         C      4           1     1.7
24         C      4           2     1.8

私はおそらくこのようなことをしたくないでしょう：

summary(lm(outcome~condition, data=data))

前もって感謝します。

問題は、ランダム性のさまざまな原因が考えられることです。個別のランダム性（線形回帰における通常の誤差項）; それぞれの場合の2つの測定値間の変動。サンプリングした特定のユニットからのバリエーション。おそらくあなたは何かのようなものが欲しいと思います

model <- aov(outcome ~ condition + Error(samp + measurement), data=mydata)
summary(model)

お役に立てば幸いです。