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）

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