使用 lme 分析具有重复测量的完整随机区组设计：我的模型是否正确？

机器算法验证 r 混合模式 重复测量 事后 lme4-nlme
2022-04-19 05:46:10

我有一个完全随机的区组设计，包含三个处理和四个重复。连续四年对生物多样性进行了测量。

我认为将重复测量作为随机项的混合模型应该适合分析这种设计。

我的假设是，考虑到所有年份，治疗之间的生物多样性是不同的。

这是我的分析：

library(nlme)
library(multcomp)
# Made-up random dataset
mydata <- data.frame(
  Treatment=rep(c("Control", "Irrigation", "Fertailization"), 16), 
  Block=rep(1:4, 12), 
  Year=rep(2000:2003, 12), 
  Value=runif(48, 0.5, 1.5)
)
# Model Treatment is a fixed effect, Year is a random effect
fit <- lme(Value ~ Treatment,  random = ~1|Year, data = mydata)
# Post-hoc comparison
summary(glht(fit,linfct=mcp(Treatment="Tukey")))

我的问题：

  1. 我的模型正确吗？

  2. 事后比较是否合适？

  3. 我怎么能包括博克效应？

如果我理解正确，“年”应该嵌套在“块”中——所以正确的模型应该这样编码：

fit <- lme(Value ~ Treatment,  random = ~1|Block/Year, data = mydata)

数据中似乎存在线性时间趋势。我怎么能在模型中解释这一点？

1个回答

这是我可能开始的模型：

fit <- lme(Value ~ Treatment * Year,  random = ~1|Block, data = mydata)

我会将年份作为固定效应包括在内，因为通常可以预期生物多样性的时间趋势，而且它也很有趣。但是，这是猜测，因为我不知道实验的背景，也不知道实际数据。是否可以假设时间效应是线性的并且您是否需要交互，您必须从您的数据中进行判断。块在这里显然是一个随机效应，需要考虑重复测量。

通常使用这种实验设置，您的块内会有处理图，这些处理图通常在整个测量期间保持不变。然后可能有必要考虑到这一点：

fit <- lme(Value ~ Treatment * Year,  random = ~1|Block/Plot, data = mydata)

你没有提到，什么样的变量Value是。您可能需要一个广义线性模型（查看 的family参数lme）或需要转换您的依赖项。

其它你可能感兴趣的问题
上一篇奇异数据上的马氏距离 下一篇Deamer反卷积的输出不是密度吗？