タグ付けされた質問 「repeated-measures」

私は科学者がサルモネラ菌の発生に関する研究を設計するのを手助けしようとしています。彼は、養鶏場での実験的な抗菌製剤と塩素（漂白剤）を比較したいと考えています。サルモネラのバックグラウンド率は時間の経過とともに異なるため、治療前と治療後にサルモネラを含む家禽の割合を測定する予定です。したがって、測定値は、実験式と塩素式のサルモネラの前後の差になります。 誰でも必要なサンプルサイズを推定する方法についてアドバイスできますか？バックグラウンド率が50％であるとしましょう。漂白後は20％です。そして、実験的な処方が速度を+/- 10％変更するかどうかを検出したいとします。ありがとうございました 編集：私が苦労しているのは、バックグラウンドレートを組み込む方法です。それらをそれぞれ漂白剤と実験サンプルの「前」のサルモネラ菌率であるp3とp4と呼びましょう。したがって、推定される統計は差の差です：実験的（事後）-ブリーチ（事後）=（p0-p2）-（p3-p1）。サンプルサイズの計算で「前」のレートp2とp3のサンプリング変動を完全に説明するには、p0（1-p0）+ p1（1-p1）+ p2（1-p2）を使用するのと同じくらい簡単です。 + p3（1-p3）サンプルサイズの式に変動項がある場合はどこですか？すべてのサンプルサイズを等しくします（n1 = n2 = n）。

9 sample-size  repeated-measures  proportion 

aov内部反復測定モデルとlmer混合モデルの間で同等の結果を取得するのに問題があります。 私のデータとスクリプトは次のようになります data=read.csv("https://www.dropbox.com/s/zgle45tpyv5t781/fitness.csv?dl=1") data$id=factor(data$id) data id FITNESS TEST PULSE 1 1 pilates CYCLING 91 2 2 pilates CYCLING 82 3 3 pilates CYCLING 65 4 4 pilates CYCLING 90 5 5 pilates CYCLING 79 6 6 pilates CYCLING 84 7 7 aerobics CYCLING 84 8 8 aerobics CYCLING 77 9 …

9 r  anova  mixed-model  repeated-measures  lme4-nlme 

設計と仮説：wellbeing時間1と時間2でA測定しました。因子（時間1で測定し、経時的に安定した因子であると想定）が因子B（時間2で測定）の有意な予測子であるかどうかを確認します。またwellbeing、現在または過去のが貢献することも期待していBます。 質問：wellbeing同時予測子として（同じ機器を使用して）両方の時点で測定されたものを使用して重回帰を行うことは適切ですか？-予測子間に有意な相関関係が存在しますが、多重共線性診断は正常に見えました... 縦断的設計をうまく活用する仮説をテストするためのより良い方法はありますか？ どうもありがとう！

9 regression  repeated-measures  multiple-regression  panel-data 

plmを使用して、グループ化変数、つまり非ネストモデルに基づいて、ネストされたエラーコンポーネントを含むいくつかの反復測定Fixed Effectsモデルを推定しました。今興味がある 完全なモデルが有意に異なる場合、テストは、すなわち満杯のためのモデルであるとの完全なモデルであり、そして β FのEのM A L E β M のL EHo：βFe m a l e= βMリットルのEHo：βFeメートルale=βMaleH_o: \beta_{Female} = \beta_{Male}βFe m a l eβFeメートルale\beta_{Female}FemalesβMリットルのEβMale\beta_{Male}Males 続いて、2つのグループ間で選択した回帰係数をテストします。つまり、ここで、はの回帰係数ですat 、およびはatの男性の回帰係数です。Ho：βFe m a l e = = ye a r 1.5= βMa l e = = ye a r 1.5Ho：βFeメートルale==year1.5=βMale==year1.5H_o: \beta_{Female == year1.5} = \beta_{Male …

8 r  hypothesis-testing  repeated-measures  nested-data  plm 

被験者内因子を1つ持つ反復測定ANOVA（RM-ANOVA）とA、各レベルの被験者ごとに複数の測定を検討しますA。 これは、2つの因子を備えた2因子ANOVAと密接に関連しAていsubjectます。：彼らは4つの部分に乗の和の同じ分解を使用しA、subject、A⋅subject、とresidual。ただし、双方向ANOVAはAのSSを残差SSと比較してAの効果をテストし、RM-ANOVAはAのSSをA主題相互作用SS と比較してAの効果をテストします。⋅⋅\cdot なぜ違いますか？ この違いは、データの反復測定構造に自動的に従うのですか、それとも何らかの慣習ですか？ 双方向ANOVAとRM-ANOVAのこの違いは、2つの異なるnullのテストに対応していますか？もしそうなら、それらは正確には何であり、なぜこれらの2つのケースで異なるnullを使用するのですか？ 双方向ANOVAの検定は、2つのネストされたモデル（フルモデルとAなしのモデル）間のF検定として理解できます。RM-ANOVAも同様に理解できますか？ （Aの各レベルの被験者ごとに測定値が1つしかない場合、A被験者と残差の変動を分解できないため、区別の種類は消えます：一方向反復測定ANOVAは双方向ANOVAと同等ですか？）⋅⋅\cdot デモンストレーション http://dwoll.de/rexrepos/posts/anovaMixed.htmlでd2生成されたおもちゃのデータを使用します。同じWebページに、RM-ANOVAの正しい構文が示されています。 # Discarding between-subject factors and leaving only one within-subject factor d = d2[d2$Xb1=='CG' & d2$Xb2 == 'f', c(1,4,6)] （ペーストビンの再現可能なバージョンはこちらを参照してください。）データは次のようになります。 id Xw1 Y 1 s1 A 28.6 2 s1 A 96.6 3 s1 A 64.8 4 s1 B 107.5 5 s1 …

8 r  anova  repeated-measures 

多くの参加者から測定値を収集する実験を行いました。関連する各データポイントには2つの変数があり、どちらもカテゴリ型です。実際、各変数には2つの可能な値があります（2つのはい/いいえの質問に対する答え）。統計的仮説検定で、これら2つの変数間に相関があるように見えるかどうかを確認してください。 参加者ごとに1つのデータポイントがある場合、結果として得られる分割表に対してフィッシャーの正確検定を使用できます。ただし、参加者ごとに複数のデータポイントがあります。したがって、単一の参加者からのデータポイントは独立していないため、フィッシャーの正確確率検定は適用可能ではないようです。たとえば、アリスから10個のデータポイントがある場合、それらはすべて同じ人物からのものであるため、おそらく独立していません。フィッシャーの正確確率検定では、すべてのデータポイントが独立してサンプリングされたと想定されているため、フィッシャーの正確確率検定の仮定は満たされておらず、この設定での使用は不適切です（統計的有意性の不当な報告が出る可能性があります）。2 × 22×22 \times 2 この状況を処理するテクニックはありますか？ 私が検討したアプローチ： もっともらしい代替策の1つは、各参加者からのすべてのデータを1つの数値に集約してから、他の独立性テストを使用することです。たとえば、各参加者について、最初の質問に対するはいの回答の割合と2番目の質問に対するはいの回答の割合を数え、参加者ごとに2つの実数を与え、ピアソンの積率検定を使用して相関をテストできますこれら2つの数値の間。しかし、これが良いアプローチかどうかはわかりません。（たとえば、平均化/カウントがデータをスローし、集計のためにこれが能力を失う可能性があること、または集計後に依存の兆候が消えることがあることを心配しています。） 基礎となる変数が連続的である場合（実数など）と線形モデルが適切な場合に、この状況を処理することを目的としていると思われるマルチレベルモデルについて読みました。ただし、ここでは2つのカテゴリ変数（はい/いいえの質問に対する回答）があるため、ここでは適用されないようです。カテゴリカルデータに適用できる同等の手法はありますか？ ウィキペディアで繰り返し測定のデザインについて少し読んだこともありますが、ウィキペディアの記事は縦断的研究に焦点を当てています。これはここでは当てはまらないように見えます。私がそれを正しく理解していれば、繰り返しの測定は時間の経過による影響に焦点を合わせているようです（時間の経過が変数に影響する場合）。しかし、私の場合、時間の経過が関連する影響を与えることはありません。私が誤解した場合は教えてください。 さらに振り返ってみると、私に起こる別のアプローチは、置換テストを使用することです。各参加者について、質問1への回答をランダムに並べ替え、質問2への回答を（独立して）ランダムに並べ替え、参加者ごとに異なる順列を使用できます。ただし、どの結果が観察された結果と「少なくとも極端」であるかを測定するために、ここではどのテスト統計が適切であるかは明確ではありません。 関連：各被験者ごとに複数のデータポイントを正しく処理する方法（ただし、カテゴリカルデータではなく、連続変数の線形モデルに焦点を当てています）、同じ患者で測定は独立していますか？（同じ）

8 hypothesis-testing  categorical-data  repeated-measures  binary-data 

数値の結果を持つ長期データの場合、スパゲッティプロットを使用してデータを視覚化できます。たとえば、次のようなもの（UCLA Statsサイトから取得）： tolerance<-read.table("http://www.ats.ucla.edu/stat/r/faq/tolpp.csv",sep=",", header=T) head(tolerance, n=10) interaction.plot(tolerance$time, tolerance$id, tolerance$tolerance, xlab="time", ylab="Tolerance", legend=F) しかし、私の結果がバイナリ0または1の場合はどうなりますか？たとえば、Rの「ohio」データでは、バイナリの「resp」変数が呼吸器疾患の存在を示しています。 library(geepack) ohio2 <- ohio[2049:2148,] head(ohio2, n=12) resp id age smoke 2049 1 512 -2 1 2050 0 512 -1 1 2051 0 512 0 1 2052 0 512 1 1 2053 1 513 -2 1 2054 0 …

8 data-visualization  repeated-measures  binary-data  panel-data 

私のデザインは以下の通りです。 yyyはベルヌーイ応答です バツ1バツ1x_1は連続変数です バツ2バツ2x_2は2つのレベルを持つカテゴリ（変数）変数です 実験は完全に被験者の範囲内です。つまり、各被験者はと各組み合わせを受け取ります。x 2バツ1バツ1x_1バツ2バツ2x_2 これは、反復測定ロジスティック回帰のセットアップです。実験により、と 2つのオジーブが得られます。1 つはレベル1、もう1つはレベル2です。の効果は、レベル2の場合、レベル1と比較して、オギブの勾配がより浅く、切片が増加することです。x 1 x 2 x 2p （y= 1 ）p（y=1）p(y=1)バツ1バツ1x_1バツ2バツ2x_2バツ2バツ2x_2 を使用してモデルを見つけるのに苦労していlme4ます。例えば、 glmer(y ~ x1*x2 + (1|subject), family=binomial) 私が理解している限り、その1|subject部分はそれsubjectが変則的な効果であると言っています。しかし、とが反復測定変数であることを指定する方法はわかりません。最後に、被験者のランダム効果を含み、レベル1とレベル2の推定勾配と切片を与えるモデルが必要です。x 2バツ1バツ1x_1バツ2バツ2x_2

8 r  repeated-measures  glmm  lme4-nlme 

誰かが分割プロットの背後にある直感を説明できますか？ 私が理解していることから、それは本質的に制限されたランダム化です。しかし、私はまだそれを完全に理解していません。誰かがそれをより明確にするために私に与えることができるリソースまたは例はありますか？

8 anova  repeated-measures  experiment-design  split-plot 

Rで2因子（両方とも被験者内）のANOVAを繰り返し測定した後、事後テスト（Tukey HSD）を実行する方法に関する解決策を見つけるのに問題があります。ANOVAには、aov -functionを使用しました。 summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) 他の質問への回答を読んだ後、他の機能（lmeなど）を使用してANOVAを再実行する必要があることを知りました。これが私が思いついたものです。 Lme.mod <- lme(dv ~ x1*x2, random=list(subject=pdBlocked(list(~1, pdIdent(~x1-1), pdIdent(~x2-1)))), data=df1) anova(Lme.mod) 主な効果はどちらも有意でしたが、相互作用の効果はありませんでした。次に、これらの関数を事後比較に使用しました。 summary(glht(Lme.mod, linfct=mcp(x1="Tukey"))) summary(glht(Lme.mod, linfct=mcp(x2="Tukey"))) しかし、いくつかの問題がありました： まず、Rヘルプファイルには、「双方向ANOVAまたはANCOVAモデル（...）multcompバージョン1.0-0以降で対象のパラメーターを定義する場合、mcp関数は注意して使用する必要があります。主な効果の比較が生成されます。のみ、共変量と交互作用を無視します（古いバージョンは交互作用項で自動的に平均化されました）警告が表示されます。そして確かに、私は次の警告メッセージを受け取りました： Warning message: In mcp2matrix(model, linfct = linfct) : covariate interactions found -- default contrast might be inappropriate もう1つの不可解な点は、両方の主要な効果は有意でしたが、要因の1つ（x1）の事後比較に有意差はなかったということです。これに出会ったことはありません。スクリプト/分析は正しい/適切ですか、それとも欠けているものはありますか？どんな助けでも大歓迎です！

8 r  anova  repeated-measures  post-hoc  tukey-hsd  goodness-of-fit  curve-fitting  sem  latent-variable  mplus  anova  post-hoc  tukey-hsd  markov-process  image-processing  r  time-series  causality  granger-causality  anova  mixed-model  lme4-nlme  random-effects-model  r  matlab  data-transformation  multinomial  notation  estimation  nonparametric  logistic  r  missing-data  multiple-imputation  mice 

私のデータセットには次の変数があります： トリートメント（4種類固定） ロケーション（8ロケーション-固定） 場所の位置（場所ごとに3つの位置-固定） サンプルは各位置で取得されます（位置ごとに3つのサンプル-ランダム） 時間（2つのサンプリング時間-固定） 鉱化率（採取したサンプルの分析結果として） 各治療をテストするために2つの場所が使用されます（つまり、4つの治療、治療ごとに2つの場所、合計8つの場所）。 R上記の変数を使用して、分割プロット（/ nested？）反復測定（/ mixed model？）ANOVAを実行したいと思います。 Q.1。これは適切ですか？ 私の目標は、1）位置、2）治療、3）時間、および4）すべての相互作用（つまり、pos * treat *、pos * time、treat * time、pos * treat * time）に影響があるかどうかを確認することです石灰化率。 Q 2.場所は治療でネストされていますか？サンプルは適切な位置にネストされていますか？ Q 3.要因間および内要因とは何ですか？ Q 4.主題/プロットは何ですか？-場所、位置、サンプル、レートのどれですか？ Q 5. R式で繰り返し測定として時間を使用するにはどうすればよいですか？ Q 6. aov、lme、またはezANOVAを使用しますか？ Q 7.独立した独立変数とそれらの相互作用を適切なR式にコード化するにはどうすればよいですか？ 私は文字通りこれを数日間理解しようとしてきましたが、意味のある答えを見つけることができないようです...

8 r  anova  repeated-measures  split-plot  nested-data 

私は2つの因子AとB（5×3）と1つの共変量Xをサブジェクト内の設計に持っています。全体的なモデルを指定する方法は次のとおりです。 lme.out = lme(y~ A*B*X, random=~1|Subject, data=mydata) 私の解釈は、私がグラフで探していますということであるy~x傾きが異なるのレベルに基づいて共変量による変化、およびラインシフトアップまたはダウン、A及びB（インターセプトの変化）。 私が知りたいのは、因子を修正するA（レベルのいずれかをとる）場合、線（y~x）を見ると、どのような影響がありBますか？のレベルはBラインを上下にシフトしますか（切片）、またはラインの傾きを変更しますか（X）。 何らかのコントラスト分析を実行する必要がありますか？しかし、因子と共変量の間でコントラストがどのように機能するかはわかりません。 私が考えることができる1つの方法は、Aのさまざまなレベルに対応するデータのサブセットを取得し、次のようなモデルを作成することですlme(y~ B+X, random=~1|Subject, data=mydata[which(mydata$A = A1,])。このようにして、これらのモデル全体で得られる切片と勾配を比較できます。 私がしていることが理にかなっている場合、誰かが教えてもらえますか？どんな提案でも大歓迎です！

8 repeated-measures  interaction  lme4-nlme  contrasts  predictor 

わかりました、これは私の問題です： 参加者は12人です。 各参加者は、研究室で3夜を過ごし、夜間の4つの時点（12、1、2、3時）で反応時間のタスクを実行しました。 毎晩、各参加者は3つの実験条件の1つにさらされ、各参加者は3週間の終わりに各条件を完了しましたが、条件の順序は被験者間で完全にバランスが取れていました。 つまり、結局のところ、各参加者、各条件について、4つの平均反応時間があります。 夜間の状態と時間点を含む線形混合モデルを使用し、固定効果としての条件*時間点の相互作用を使用したいと考えました（夜間の3つの条件のいずれかで反応時間が短くなることを期待しているため）。ランダムな効果として、主題を含めたかったのですが、SPSSでこれをどのように行うか、混合モデルが適切な方法であるかどうか確信がありません。 誰かが私に進む方法についていくつかのヒントを与えることができますか？本当にありがたいです！ 前もって感謝します

8 mixed-model  spss  repeated-measures 

環境： 私の質問は私の領域の典型的なデザインに関するものです。研究者が被験者のグループ（たとえば10）を取り、次に3つの異なる条件をそれらに適用して、応答変数の変化を測定します。普通の水、そしてフルーツジュース（例えば）。すべての被験者はすべての治療を受けますが、効果が「洗い流される」のに十分な時間があるランダムな順序で。 分析： Kuehl（2000）（Kuehl、RO（2009）Design of Experiments：Statistical主義of research design and analysis、Duxbury Press、CA、p497 2nd Ed。） 各治療がランダムな順序で各被験者に投与されると、被験者はランダム化された完全なブロック設計のランダムブロックになります。」 次に、対応する分析を表示します。 この場合、主題は変量効果ですが、迷惑またはブロック要因であり、統計モデルはブロック要因の有意性をテストしますが、その有意性にはあまり関心がありません。ただし、多くの研究者（およびレビュアー！）は、そのような設計は、Huynh-Feldt条件のMauchlyテスト（反復測定としての取り扱い）を使用した反復測定設計として分析する必要があると考えています。ただし、これは、時間要素が分析されている場合（たとえば、0分、10分、30分、60分で観測が行われる場合など）に適しています。この場合、特に不均等な時間間隔が使用されている場合、時点のペア間の共分散は合理的に変化すると予想される可能性があります。[実際、この場合SASを使用してさまざまな共分散構造をモデル化します（たとえば、 被験者がブロックファクターであり、異なる治療が被験者ごとに異なるランダムな順序で投与される場合、これは、観測間の相関が被験者ごとに異なるため、化合物の対称性を仮定できることを理解しました。 質問： ランダムな順序で提示された3つ以上の条件を持つ反復測定ANOVAをどのように分析する必要がありますか？ 複合対称性を仮定することは理にかなっていますか？

8 hypothesis-testing  anova  repeated-measures 

私には100人の患者がいて、各患者には10件の長期的な血清クレアチニン測定があります。推定糸球体濾過率（eGFR）は、性別、年齢、血清クレアチニンを含むMDRD式から計算されました。eGFRは従属変数であり、時間は各患者の線形回帰の独立変数です。 線形回帰は「独立したXの」仮定に違反し、代わりに線形混合モデルを使用する必要がありますか？ 各患者から推定されたeGFR勾配（測定値ではなく不確実性を伴う推定値）（各患者の線形回帰または変量効果混合モデル[混合モデルで各患者の勾配を推定する方法？]）は、他の回帰モデルの独立変数または従属変数？ ありがとうございました。

8 regression  mixed-model  repeated-measures  panel-data