R中最终观测时的中心日变量(对于线性混合模型)
我试图通过对不同治疗组受试者的重复测量来分析一些数据。下面是我的数据子集,其中包括在第1天、第3天和第21天进行的观察(完整的数据集在第3天和第21天之间有额外的观察)R中最终观测时的中心日变量(对于线性混合模型),r,mixed-models,R,Mixed Models,我试图通过对不同治疗组受试者的重复测量来分析一些数据。下面是我的数据子集,其中包括在第1天、第3天和第21天进行的观察(完整的数据集在第3天和第21天之间有额外的观察) mydata试试看 在运行模型之前。(我认为在您的模型中,主题应该编写,而不是示例),至少在您的示例中是这样,因为mydata中没有示例 编辑 原始示例已被编辑,但相同的方法仍应适用: mydata$Day = factor(mydata$Day, levels=c(21, 3, 1)) mymodel <- lme(
mydata试试看
在运行模型之前。(我认为在您的模型中,主题
应该编写,而不是示例
),至少在您的示例中是这样,因为mydata
中没有示例
编辑
原始示例已被编辑,但相同的方法仍应适用:
mydata$Day = factor(mydata$Day, levels=c(21, 3, 1))
mymodel <- lme(Obs ~ Treatment * Day, random = ~1 | Subject, correlation =
corAR1(form = ~1 | Subject), data=mydata, na.action=na.omit)
summary(mymodel)
对不起,我错误地使用了旧版本的数据帧<代码>日期
应该是数字,并且应该是主题
,而不是样本
。编辑以更正此问题。问题是,由于Day
是数字,因此relevel()
不起作用。但如果是数字,您希望如何指定“参考级别”?你为什么不把它转换成一个因子,然后定义21为参考水平呢?也许我的术语是错误的?我的意思是,当你说summary(mymodel)
时,你会得到固定效果的输出:(Intercept)
,TreatmentB
,TreatmentC
,等等。我的理解是TreatmentB
的值是TreatmentB
和TreatmentA
在第一个“层次上的区别第1天(我的情况是第1天)。如果我想在第21天看到这一点,我不知道该怎么办;如果我做了mydata$Day,会出现什么类型的错误消息?我用你提供的数据编辑了答案,效果很好
mymodel <- lme(Obs ~ Treatment * Day, random = ~1 | Subject, correlation = corAR1(form = ~1 | Subject), data=mydata, na.action=na.omit)
mydata$Day = relevel(mydata$Day, ref="Day21")
mydata$Day = factor(mydata$Day, levels=c(21, 3, 1))
mymodel <- lme(Obs ~ Treatment * Day, random = ~1 | Subject, correlation =
corAR1(form = ~1 | Subject), data=mydata, na.action=na.omit)
summary(mymodel)
Fixed effects: Obs ~ Treatment * Day
Value Std.Error DF t-value p-value
(Intercept) 7.635586 0.1159703 46 65.84086 0.0000
TreatmentB -0.965811 0.1682325 25 -5.74093 0.0000
TreatmentC -0.169050 0.1682325 25 -1.00486 0.3246
Day3 -0.208276 0.1133072 46 -1.83815 0.0725
Day1 -0.452858 0.1306224 46 -3.46693 0.0012
TreatmentB:Day3 0.229415 0.1636327 46 1.40201 0.1676
TreatmentC:Day3 0.060868 0.1636327 46 0.37198 0.7116
TreatmentB:Day1 0.352958 0.1932224 46 1.82669 0.0742
TreatmentC:Day1 0.334850 0.1932224 46 1.73298 0.0898