線形混合効果モデルは、生物学の隅では一般的に使用されていません。執筆しようとしている論文で使用した統計検定を報告する必要があります。生物科学のいくつかの分野でマルチレベルモデリングの認識が現れ始めていることを知っています（依存関係の解決策：ネストされたデータに対応するためにマルチレベル分析を使用）。
私の実験デザインの概要：
*被験者は4つの治療グループの1つに割り当てられました
*従属変数の測定は治療開始後のさまざまな日に行われました
*デザインは不均衡です一部の被験者の数日間の測定値）
*治療Aは参照カテゴリーです*治療
の最終日にデータを集中しました
治療A（参照カテゴリー）が他の治療（治療終了時）よりも有意に良い結果をもたらすかどうか知りたいです。
私はnlmeを使用してRで分析を行いました：
mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject, data = mydf, na.action = na.omit,
+ correlation = corAR1(form = ~1 |Subject), method = "REML")
また、出力（一部、簡潔にするために切り捨てられます）は次のとおりです。
>anova(mymodel)
numDF denDF F-value p-value
(Intercept) 1 222 36173.09 <.0001
Treat 3 35 16.61 <.0001
Day 7 222 3.43 0.0016
Treat:Day 21 222 3.62 <.0001
>summary(mymodel)
Fixed effects: dv ~ Treatment * Day
Value Std.Error DF t-value p-value
(Intercept) 7.038028 0.1245901 222 56.48945 0.0000
TreatmentB 0.440560 0.1608452 35 2.73903 0.0096
TreatmentC 0.510214 0.1761970 35 2.89570 0.0065
TreatmentD 0.106202 0.1637436 35 0.64859 0.5208
したがって、治療の日によって効果が異なること、および治療の最終日（データが中央に配置される場所）では、治療Aと治療BまたはCでdvが有意に異なることがわかります。
私が言いたいのは、「予測どおり、治療A（平均+/- SE）を受けた被験者の方が治療B（平均+/- SE、p = 0.0096）または治療を受けた被験者よりも従属変数が有意に低いことがわかりました。 C（平均+/- SE、p = 0.0065）、治療の最終日に測定。」
しかし、どの統計検定が行われたかを示す必要があります。これは分析を説明するのに受け入れられる方法でしょうか？「[測定方法]は示された日に実行され、従属変数（単位）が決定されました。[治療の最終日]を中心とする線形混合効果モデルを使用して、対数変換データを分析しました。標準誤差。治療の最終日に、dvは治療B（平均+/- SE、p = 0.0096）よりも治療A（平均+/- SE）で有意に低かった... "
具体的には、
*これは使用した統計検定について十分なことを言っていますか？（読者は「平均+/- SE、p = 0.0096、スチューデントのt検定」のようなものを見るのに慣れていますが、「p = 0.0096、線形混合効果からの治療B対治療Aの係数」と書くのは奇妙に思えます[治療の最終日]のモデル。」）
*これを配置するより良い方法はありますか？
（メソッドセクションには、統計に関する詳細が含まれます。「[測定方法]データは、RおよびRパッケージを使用して分析されました...ランダム効果として被験者を使用して線形混合効果モデルを使用して、次数1の自己相関構造（AR1）固定効果として、処理と日、および処理と日の相互作用を含めました。混合効果の分析では、固定効果のモデルとランダム効果のみのヌルモデルを比較する尤度比テストを実行しました。」
多くの場合、統計を嫌う聴衆（および相対的な統計初心者によって書かれた）のための線形混合効果モデルの結果を報告する方法に関するアドバイスは大歓迎です！