বিশ্লেষণের জন্য আমার কাছে ভারসাম্যহীন পুনরাবৃত্তি ব্যবস্থা ডেটা রয়েছে এবং আমি পড়েছি যে বেশিরভাগ পরিসংখ্যান প্যাকেজগুলি এএনওওএর সাথে পরিচালনা করে (যেমন স্কোরের তৃতীয় সংখ্যার টাইপ) ভুল। অতএব, আমি এই ডেটাগুলি বিশ্লেষণ করতে একটি মিশ্র প্রভাবগুলির মডেলটি ব্যবহার করতে চাই। আমি মিশ্র মডেলগুলি সম্পর্কে অনেক কিছু পড়েছি R, তবে আমি এখনও খুব নতুন Rএবং মিশ্র ইফেক্টের মডেল এবং খুব আস্থা নেই যে আমি জিনিসগুলি সঠিকভাবে করছি am মনে রাখবেন যে আমি এখনও নিজেকে "" তিহ্যবাহী " পদ্ধতির সাথে পুরোপুরি বিবাহবিচ্ছেদ করতে পারি না এবং এখনও ভ্যালু এবং পোস্টের এইচ টেস্টের প্রয়োজন।
আমি জানতে চাই যে নীচের পদ্ধতির কোনও অর্থ হয় কিনা, বা আমি ভয়াবহভাবে কোনও ভুল করছি। আমার কোডটি এখানে:
# load packages
library(lme4)
library(languageR)
library(LMERConvenienceFunctions)
library(coda)
library(pbkrtest)
# import data
my.data <- read.csv("data.csv")
# create separate data frames for each DV & remove NAs
region.data <- na.omit(data.frame(time=my.data$time, subject=my.data$subject, dv=my.data$dv1))
# output summary of data
data.summary <- summary(region.data)
# fit model
# "time" is a factor with three levels ("t1", "t2", "t3")
region.lmer <- lmer(dv ~ time + (1|subject), data=region.data)
# check model assumptions
mcp.fnc(region.lmer)
# remove outliers (over 2.5 standard deviations)
rm.outliers <- romr.fnc(region.lmer, region.data, trim=2.5)
region.data <- rm.outliers$data
region.lmer <- update(region.lmer)
# re-check model assumptions
mcp.fnc(region.lmer)
# compare model to null model
region.lmer.null <- lmer(dv ~ 1 + (1|subject), data=region.data)
region.krtest <- KRmodcomp(region.lmer, region.lmer.null)
# output lmer summary
region.lmer.summary <- summary(region.lmer)
# run post hoc tests
t1.pvals <- pvals.fnc(region.lmer, ndigits=10, withMCMC=TRUE)
region.lmer <- lmer(dv ~ relevel(time,ref="t2") + (1|subject), data=region.data)
t2.pvals <- pvals.fnc(region.lmer, ndigits=10, withMCMC=TRUE)
region.lmer <- lmer(dv ~ relevel(time,ref="t3") + (1|subject), data=region.data)
t3.pvals <- pvals.fnc(region.lmer, ndigits=10, withMCMC=TRUE)
# Get mcmc mean and 50/95% HPD confidence intervals for graphs
# repeated three times and stored in a matrix (not shown here for brevity)
as.numeric(t1.pvals$fixed$MCMCmean)
as.numeric(t1.pvals$fixed$HPD95lower)
as.numeric(t1.pvals$fixed$HPD95upper)
HPDinterval(as.mcmc(t1.pvals$mcmc),prob=0.5)
HPDinterval(as.mcmc(t1.pvals$mcmc),prob=0.5)
আমার কাছে কিছু নির্দিষ্ট প্রশ্ন রয়েছে:
- এটি কি মিশ্র প্রভাবগুলির মডেলগুলি বিশ্লেষণের একটি কার্যকর উপায়? যদি তা না হয় তবে তার পরিবর্তে আমার কী করা উচিত।
- মডেল অনুমানগুলি যাচাই করার জন্য mcp.fnc দ্বারা সমালোচনা প্লট আউটপুট কি যথেষ্ট ভাল, বা আমার অতিরিক্ত পদক্ষেপ নেওয়া উচিত?
- আমি পেয়েছি যে মিশ্র মডেলগুলি বৈধ হওয়ার জন্য, ডেটাটির স্বাভাবিকতা এবং সমকামীতার সম্মান অনুমানগুলি প্রয়োজন। "আনুমানিক স্বাভাবিক" কী এবং এমসিপি.এফএনসি দ্বারা উত্পাদিত সমালোচনা প্লটগুলি দেখে কী হয় তা আমি কীভাবে বিচার করব? আমার কি কেবল এটির জন্য অনুভূতি অর্জন করা দরকার, না তাদের কাজ করার একটি নির্ধারিত পদ্ধতি? এই অনুমানের ক্ষেত্রে মজবুত মডেলগুলি কতটা শক্তিশালী?
- আমার নমুনায় থাকা বিষয়গুলির ~ 20 বৈশিষ্ট্য (বায়োমেকারস) এর জন্য আমার তিনটি সময় পয়েন্টের মধ্যে পার্থক্য মূল্যায়ন করতে হবে। প্রতিটি গ্রহণযোগ্যতার জন্য এতক্ষণ পৃথক মডেলগুলি ফিট এবং টেস্টিং করা যতক্ষণ না আমি সমস্ত গৃহীত পরীক্ষাগুলি রিপোর্ট করি (তা উল্লেখযোগ্য বা না), বা একাধিক তুলনার জন্য আমার কোনও ফর্ম সংশোধন প্রয়োজন।
পরীক্ষার ক্ষেত্রে আরও কিছুটা সুনির্দিষ্ট হওয়ার জন্য, এখানে আরও কিছু বিশদ দেওয়া হল। আমরা বেশ কয়েকজন অংশগ্রহণকারীকে অনুদৈর্ঘ্যভাবে অনুসরণ করেছি কারণ তারা একটি চিকিত্সা করেছেন। আমরা চিকিত্সা শুরুর আগে এবং পরে দুটি সময় পয়েন্টে বেশ কয়েকটি বায়োমারক পরিমাপ করেছি। আমি যেটি দেখতে চাই তা হ'ল যদি এই তিনটি পয়েন্টের মধ্যে এই বায়োমারকগুলির মধ্যে পার্থক্য থাকে।
আমি এই টিউটোরিয়ালে এখানে যা করছি তার বেশিরভাগ ভিত্তিই করছি , তবে আমার প্রয়োজনীয়তা এবং আমি যে জিনিসগুলি পড়েছি তার উপর ভিত্তি করে কিছু পরিবর্তন করেছি। আমি যে পরিবর্তনগুলি করেছি তা হ'ল:
- pvals.fnc (ভাষাআর প্যাকেজ থেকে) এর সাথে t1-t2, t2-t3, এবং t1-t3 তুলনা পেতে "সময়" ফ্যাক্টরটি পুনর্বিবেচনা করুন
- আমার মিশ্রিত মডেলটির তুলনা কেনোয়ার্ড-রজারের পদ্ধতির (পিবিক্রিটেস্ট প্যাকেজ ব্যবহার করে) সম্ভাব্য অনুপাতের পরীক্ষার পরিবর্তে আনুমানিক এফ-টেস্ট ব্যবহার করে নাল মডেলের সাথে তুলনা করুন (কারণ আমি পড়েছি যে কেনওয়ার্ড-রজারকে এখনই আরও ভাল বিবেচনা করা হচ্ছে)
- অনুমানগুলি যাচাই করতে এবং বহিরাগতদের অপসারণ করতে LMERConvenienceFuntions প্যাকেজটি ব্যবহার করুন (কারণ আমি পড়েছি যে মিশ্র মডেলগুলি বিদেশীদের প্রতি খুব সংবেদনশীল)