我有一个小任务要做,不幸的是我不熟悉这个统计领域......实际上我确实需要计算(我不是在寻找现成的解决方案),但是我不知道它们是否正确并且也和我的思维方式,因此,如果您看一下并指出我的错误,我将不胜感激。
这是假数据,显示了狗和猫的增长率(完全虚构):
time <- c(1,2,3,4,5,6,7,8,9,10,1,2,3,4,5,6,7,8,9,10)
a <- rep('dog', 10)
b <- rep('cat', 10)
animal <- c(a,b)
val <- c(2.00,8.00,17.00,21.00,29.00,37.00,41.00,56.00,67.00,82.00,1.00,3.00,6.00,8.00,11.00,15.00,21.00,26.00,31.00,37.00)
data <- data.frame(time,animal,val)
细看:
require(ggplot2)
ggplot(data, aes(time, val, color=animal)) +
stat_summary(fun.data=mean_se, geom="pointrange") +
geom_point()
正如你所见,狗的生长速度比猫快——这可能是我的假设。但是我需要做一些统计来符合它。
所以我决定进行增长曲线分析(GCA)。我是基于这个教程的。下面是我的结果,并附有简要说明。
所以首先我做了一个基础模型,为每只动物随机截取:
m.base <- lmer(val ~ time + (1 | animal), data=data, REML = F)
这里我有问题,实际上我这里没有任何固定效应,我的数据集很简单,我只想知道我的两组(狗和猫)的时间增长率在统计上是显着的。换句话说。 在这段时间里,动物的生长速度是否不同?
因此我把我的动物作为一个额外的固定效果:
m.1 <- lmer(val ~ time * animal + (1 | animal), data=data, REML = F)
现在,为了检查是否存在统计学上的显着差异,我使用 ANOVA 比较了两个模型。
> anova(m.base,m.1)
Data: data
Models:
m.base: val ~ time + (1 | animal)
m.1: val ~ time * animal + (1 | animal)
Df AIC BIC logLik deviance Chisq Chi Df Pr(>Chisq)
m.base 4 151.43 155.41 -71.714 143.43
m.1 6 116.29 122.26 -52.145 104.29 39.138 2 3.171e-09 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
现在我很困惑,我不完全理解所有这些分析,几个问题......
这个值3.171e-09表明我的组的增长率差异具有统计学意义?
我要不要再做一个模型:
m.0 <- lmer(val ~ time + animal + (1 | animal), data=data, REML = F)
然后进行模型测试?
> anova(m.base,m.0,m.1)
Data: data
Models:
m.base: val ~ time + (1 | animal)
m.0: val ~ time + animal + (1 | animal)
m.1: val ~ time * animal + (1 | animal)
Df AIC BIC logLik deviance Chisq Chi Df Pr(>Chisq)
m.base 4 151.43 155.41 -71.714 143.43
m.0 5 145.58 150.56 -67.789 135.58 7.8499 1 0.005082 **
m.1 6 116.29 122.26 -52.145 104.29 31.2884 1 2.224e-08 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
哪个值可以让我确认我的假设?
我将非常感谢指出我的错误,任何线索和解释!