R 如何在重复测量方差分析中建立公式?
我有一个因变量(R 如何在重复测量方差分析中建立公式?,r,anova,R,Anova,我有一个因变量(反应时间),在控制组和实验组(变量组)中测量。 我想知道团队对反应时间有什么影响。 设置如下所示: 我在对照组和实验组中有大约20个人(ID)。在3种不同的条件/困难(条件)和5个不同的时间点(会话)下测量每种情况的反应时间。我还想在我的模型中添加一个协变量准确性。 现在我不知道我的代码是否正确,以及如何解释结果: summary(aov(Reaction.Time ~ Group*(Session+Condition) + Accuracy + Error(factor(ID)
反应时间
),在控制组和实验组(变量组
)中测量。
我想知道团队对反应时间有什么影响。
设置如下所示:
我在对照组和实验组中有大约20个人(ID
)。在3种不同的条件/困难(条件
)和5个不同的时间点(会话
)下测量每种情况的反应时间。我还想在我的模型中添加一个协变量准确性。
现在我不知道我的代码是否正确,以及如何解释结果:
summary(aov(Reaction.Time ~ Group*(Session+Condition) + Accuracy + Error(factor(ID)/(Session*Condition)),
data = Data))
结果是:
Error: factor(ID)
Df Sum Sq Mean Sq F value Pr(>F)
Group 1 104874 104874 0.316 0.577
Accuracy 1 31 31 0.000 0.992
Residuals 41 13613839 332045
Error: factor(ID):Session
Df Sum Sq Mean Sq F value Pr(>F)
Session 4 366712 91678 8.931 1.47e-06 ***
Accuracy 1 235553 235553 22.946 3.66e-06 ***
Group:Session 4 34940 8735 0.851 0.495
Residuals 167 1714316 10265
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Error: factor(ID):Condition
Df Sum Sq Mean Sq F value Pr(>F)
Condition 2 6798723 3399361 82.040 <2e-16 ***
Accuracy 1 56156 56156 1.355 0.248
Group:Condition 2 67846 33923 0.819 0.445
Residuals 83 3439120 41435
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Error: factor(ID):Session:Condition
Df Sum Sq Mean Sq F value Pr(>F)
Accuracy 1 143467 143467 23.84 1.59e-06 ***
Residuals 351 2111956 6017
错误:系数(ID)
Df和Sq平均Sq F值Pr(>F)
第1组104874 104874 0.316 0.577
精度1 31 0.000 0.992
残差41 13613839 332045
错误:因子(ID):会话
Df和Sq平均Sq F值Pr(>F)
第4课时366712 91678 8.931 1.47e-06***
精度1 235553 235553 22.946 3.66e-06***
分组:第4课时3494087350.8510.495
残差167 1714316 10265
---
签名。代码:0'***'0.001'***'0.01'*'0.05'.'0.1''1
错误:因子(ID):条件
Df和Sq平均Sq F值Pr(>F)
工况2 6798723 3399361 82.040 F)
精度1 143467 143467 23.84 1.59e-06***
残差352111956 6017
我不知道为什么在不同的“组”中有一些系数,比如“错误:因子(ID):会话:条件”
”以及这些组的含义 您将factor(ID)/(Session*Condition)指定为错误项,因此它将计算嵌套在Session和Condition交互中的ID的错误。但是你对哪个变量感兴趣?我感兴趣的是变量组是否对反应时间有影响。我还想知道,在条件和组以及会话和组中是否存在交互作用。我看到,一般来说,在大多数样本中,组没有影响(组,p=0.577)。您在条件或会话中都看不到组的特定效果(请在Group:Condition或Group:Session下查看)。是的,我已经在绘图中清楚地看到了组不会产生效果。这些类别意味着什么,比如错误:因子(ID):条件?为什么这些组的精度系数不同?我真的不知道如何解释这个模型。嗨@Tobi,很抱歉我不得不再次检查aov,所以它是这样的,通过重复测量方差分析,你想将方差分为组间(你感兴趣的)和组内(讨厌的或阻塞变量,如组和会话)。