タグ付けされた質問 「ancova」

次の実験的なセットアップを前提とします。 複数のサンプルが対象から取得され、各サンプルは複数の方法で処理されます（コントロール処理を含む）。主に興味深いのは、コントロールと各処理の違いです。 このデータの2つの単純なモデルを考えることができます。サンプル、処理、処理0をコントロールとして、データ、をサンプルのベースライン、を処理差とします。最初のモデルは、コントロールと違いの両方を調べます。iiijjjYijYijY_{ij}γiγi\gamma_iiiiδjδj\delta_jjjj Yij=γi+δj+ϵijYij=γi+δj+ϵij Y_{ij}=\gamma_i+\delta_j+\epsilon_{ij} δ0=0δ0=0 \delta_0=0 一方、2番目のモデルは違いのみを確認します。もし我々事前計算予め 次に dijdijd_{ij}dij=Yij−Yi0dij=Yij−Yi0 d_{ij}=Y_{ij}-Y_{i0} dij=δj+εijdij=δj+εij d_{ij}=\delta_j+\varepsilon_{ij} 私の質問は、これら2つのセットアップの基本的な違いは何ですか？特に、レベル自体が無意味であり、違いのみが重要である場合、最初のモデルはあまりにも多くを行っており、おそらく能力が不足していますか？

9 regression  anova  linear-model  ancova 

私は最近、参加者を2つの治療グループの1つにランダムに割り当てた研究を完了しました。ベースライン、介入直後、1か月、および4か月で、やや多数の結果変数について参加者をテストしました。グループx時間の相互作用を調べるために、いくつかの混合ANOVAを実行することを計画していました。比較には、2（グループ）x 2（時間：ベースラインと介入後）の比較と、2（グループ）x 3（時間：ベースライン、1か月、4か月）の比較があります。 分析を開始する前に、2つの治療グループをすべてのベースライン変数で比較しました。グループを比較するために.05のアルファレベルを使用する場合は4つのベースライン変数、または.01のアルファレベルを使用する場合は2つのベースライン変数でグループが異なることがわかりました。 これについて2つの質問があります。 ベースラインでグループを比較するには、どのアルファレベルを使用すればよいですか？私は2つのグループを24のベースライン特性で比較しているため、0.01のアルファレベルを考えていました。多数のテストが行​​われているので、家族レベルのエラー率を減らすには、0.05よりも厳しいアルファレベルを選択する必要があると思いました。実行されましたが、私のリーディングから、ほとんどの人は.05を使用しているようです。何がお勧めですか？ これらの違いについてどうすればよいですか？これらの変数を共変量として含めることもできますが、サンプルサイズが非常に小さく、4つの共変量を使用するのは適切ではないようです（.05レベルで有意である場合、差異のみを受け入れる方がよい理由の1つでもあります）。 これについて何か助けていただければ幸いです！

8 mixed-model  ancova 

実験中に3回評価された10人の参加者の2つのグループがあります。グループ間および3つの評価全体の違いをテストするために、group（コントロール、実験）、time（最初、2、3）、およびを使用して2x3混合設計ANOVAを実行しましたgroup x time。両方timeとgroup有意な相互作用があったほか、重大な結果group x time。 グループメンバーシップに関しても、3回の評価の違いをさらにチェックする方法をよく知りません。実際、最初は、ANOVAのオプションで、ボンフェローニの補正を使用してすべての主要な効果を比較することだけを指定しました。しかし、この方法で、グループを区別せずに、サンプル全体の時間の違いをこのように比較したことに気付きましたね。 したがって、可能な解決策を見つけるためにインターネットでたくさん検索しましたが、結果はほとんどありませんでした。私と同じようなケースは2つしか見つかりませんでしたが、解決策は逆です！ 記事では、混合設計の後、著者らは被験者ごとに1つずつ、2回の反復測定ANOVAを事後的に実行しました。このようにして、2つのグループは修正なしで個別に分析されます。 インターネットのガイドでは、混合ANOVAの実行中に、SPSS構文のCOMPARE(time) ADJ(BONFERRONI)直後にを手動で追加すると述べています/EMMEANS=TABLES(newgroup*time)。このように、3つの時間はグループごとに個別に比較されます。ボンフェローニ補正を使用すると、私は正しいのでしょうか。 どう思いますか？どちらが正しい方法でしょうか？

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 

私は、RでANCOVAを使用して二重盲検プラセボ対照RCTを分析しています。この場合、治療が行われる前に予測される「治療効果」が示されます。 研究の目的は、病気の治療が特定の行動を減らすかどうかを決定することです。病気と行動の両方を持つ人々は、50-50の治療とプラセボ対照群に無作為に割り付けられました。 予測されたように、介入とベースラインの病状との間に有意な相互作用がありました（「介入」を除くすべての変数は間隔です。これは、治療と対照群を識別する2レベルの因子変数です）。 MODEL 1: Call: lm(formula = follow_up_behavior ~ baseline_behavior + baseline_disease * intervention, data = d) Estimate Std. Error t value Pr(>|t|) (Intercept) 11.28464 0.51177 22.050 <2e-16 *** baseline_behavior 0.77872 0.05112 15.234 <2e-16 *** baseline_disease 0.36726 0.23110 1.589 0.1146 interventiontreatment 0.74738 0.70254 1.064 0.2895 baseline_disease:interventiontreatment -0.64681 0.31374 -2.062 …

8 experiment-design  ancova  clinical-trials  random-allocation