ฉันไม่คิดว่าคุณสามารถทำสิ่งที่คุณต้องการจะทำกับ RM-ANOVA ได้อย่างง่ายดายเนื่องจากจำนวนการทำซ้ำไม่เหมือนกันสำหรับทุกวิชา การใช้โมเดลเอฟเฟ็กต์ผสมเป็นเรื่องง่ายในอาร์จริงๆแล้วโดยการลงทุนเวลาเล็กน้อยเพื่อเรียนรู้พื้นฐานและคำสั่งมันจะเปิดโอกาสให้คุณได้มากมาย ฉันยังพบว่าการใช้ตัวแบบผสมง่ายกว่ามากและมีความยืดหยุ่นมากขึ้นและแทบไม่จำเป็นต้องทำ RM-ANOVA โดยตรง ในที่สุดพิจารณาว่าด้วยการสร้างแบบจำลองแบบผสมคุณยังสามารถพิจารณาโครงสร้างความแปรปรวนร่วมของเศษซาก (RM-ANOVA เพียงสมมติว่ามีโครงสร้างแบบทแยงมุม) ซึ่งอาจมีความสำคัญสำหรับการใช้งานหลายอย่าง
: มีสองแพคเกจหลักสำหรับการสร้างแบบจำลองเชิงเส้นผสมใน R มีและnlme แพคเกจเป็นคนที่ทันสมัยมากขึ้นซึ่งเป็นที่ดีสำหรับชุดข้อมูลขนาดใหญ่และสำหรับกรณีที่คุณจัดการกับข้อมูลคลัสเตอร์ เป็นแพคเกจที่มีอายุมากกว่าและจะเลิกส่วนใหญ่อยู่ในความโปรดปรานของ อย่างไรก็ตามสำหรับการออกแบบมาตรการซ้ำ ๆ ก็ยังดีกว่าเนื่องจากอนุญาตให้คุณจำลองโครงสร้างความแปรปรวนร่วมของส่วนที่เหลือ ไวยากรณ์พื้นฐานของง่ายมาก ตัวอย่างเช่น:lme4lme4Nlmelme4lme4nlmenlme
fit.1 <- lme(dv ~ x + t, random=~1|subject, cor=corCompSymm())
ที่นี่ฉันกำลังสร้างแบบจำลองความสัมพันธ์ระหว่างตัวแปรตามdvและปัจจัยxและ covariate ที่เกี่ยวข้องกับtเวลา Subjectเป็นผลแบบสุ่มและฉันได้ใช้โครงสร้างสมมาตรแบบผสมสำหรับความแปรปรวนร่วมของส่วนที่เหลือ ตอนนี้คุณสามารถรับค่า p ที่น่าอับอายได้อย่างง่ายดายโดย:
anova(fit.1)
สุดท้ายผมสามารถแนะนำให้คุณอ่านเพิ่มเติมเกี่ยวกับ nlme ใช้คู่มืออ้างอิงที่ชัดเจนผลกระทบผสมรุ่นใน S และ S-Plus การอ้างอิงที่ดีอีกประการสำหรับผู้เริ่มต้นคือLinear Mixed Models - แนวทางปฏิบัติโดยใช้ซอฟต์แวร์ทางสถิติซึ่งรวบรวมตัวอย่างมากมายของการใช้งานที่หลากหลายของการสร้างแบบจำลองผสมกับรหัสใน R, SAS, SPSS เป็นต้น