분석해야하는 데이터의 연구 설계가 간단합니다. 1 개의 대조군 (CTRL)과 개의 2 가지 치료군 (TREAT_1 및 TREAT_2)이 있습니다. 데이터는 또한 2 개의 공변량 COV1 및 COV2를 포함한다. 데이터에 선형 또는 2 차 처리 효과가 있는지 확인하도록 요청 받았습니다. 당신이 제어 및 치료 그룹 사이에 선형 관계가 플롯에서 볼 수 있듯이Anova Type 2 및 Contrasts
df1 <- data.frame(
Observation = c(rep("CTRL",15), rep("TREAT_1",13), rep("TREAT_2", 12)),
COV1 = c(rep("A1", 30), rep("A2", 10)),
COV2 = c(rep("B1", 5), rep("B2", 5), rep("B3", 10), rep("B1", 5), rep("B2", 5), rep("B3", 10)),
Variable = c(3944133, 3632461, 3351754, 3655975, 3487722, 3644783, 3491138, 3328894,
3654507, 3465627, 3511446, 3507249, 3373233, 3432867, 3640888,
3677593, 3585096, 3441775, 3608574, 3669114, 4000812, 3503511, 3423968,
3647391, 3584604, 3548256, 3505411, 3665138,
4049955, 3425512, 3834061, 3639699, 3522208, 3711928, 3576597, 3786781,
3591042, 3995802, 3493091, 3674475)
)
plot(Variable ~ Observation, data = df1)
:
나는 나의 상황을 설명하기 위해 더미 데이터 세트를 만들었습니다. 중요한 나는 contr.poly() 함수를 사용하여 대조를 변경하려면이 선형 효과가 통계적 있는지 확인하고이 같은 선형 모델에 맞게 : 우리는 선형 효과가 통계적으로 유의 한 것으로 볼 수있는 요약에서contrasts(df1$Observation) <- contr.poly(levels(df1$Observation))
lm1 <- lm(log(Variable) ~ Observation, data = df1)
summary.lm(lm1)
를 :
Observation.L 0.029141 0..355 0.024 *
Observation.Q 0.002233 0.012482 0.179 0.859
그러나이 첫 번째 모델에는 두 개의 공변량이 포함되어 있지 않습니다. 을 포함하면 선형 관계가 아닌 중요한 p- 값 결과 :
lm2 <- lm(log(Variable) ~ Observation + COV1 + COV2, data = df1)
summary.lm(lm2)
Observation.L 0.04116 0.02624 1.568 0.126
Observation.Q 0.01003 0.01894 0.530 0.600
COV1A2 -0.01203 0.04202 -0.286 0.776
COV2B2 -0.02071 0.02202 -0.941 0.354
COV2B3 -0.02083 0.02066 -1.008 0.320
를 지금까지 너무 좋아. 그러나 Type I보다 Type II Anova를 수행해야한다고 들었습니다. Type II Anova를 수행하기 위해 Car 패키지에서 Anova() 함수를 사용했습니다.
Anova(lm2, type="II")
Anova Table (Type II tests)
Response: log(Variable)
Sum Sq Df F value Pr(>F)
Observation 0.006253 2 1.4651 0.2453
COV1 0.000175 1 0.0820 0.7763
COV2 0.002768 2 0.6485 0.5292
Residuals 0.072555 34
유형 II를 사용할 때의 문제는 선형 및 2 차 효과에 대해 p- 값을 얻지 못한다는 것입니다. 따라서 효과가 통계적으로 선형인지 2 차원인지 알 수 없습니다.
다음 코드는 Anova() 함수와 마찬가지로 Observation에 대해 동일한 p 값을 생성한다는 것을 알게되었습니다.
이lm2 <- lm(log(Variable) ~ Observation + COV1 + COV2, data = df1)
lm3 <- lm(log(Variable) ~ COV1 + COV2, data = df1)
anova(lm2, lm3)
아무도 타입 II 분산 분석을 수행하고 대조가 선형 및 차를위한 P-값을 얻기 위해 작동하는 방법을 알고 있나요 :하지만 결과는 또한 선형 또는 차 효과에 대한 P-값을 포함하지 않습니다 효과?
도움을 주시면 대단히 감사하겠습니다. 피터