问题标签 [longitudinal]

我想使用 ggplot2 用意大利面条图可视化单个纵向数据。

我的数据如下所示：

除了“响应”之外的所有变量都是因素。

我运行了这段代码，得到了一个带有线条的图，它连接了一些东西，但不是时间点 1 和时间点 2 的数据点。

感谢您的任何意见和想法！

我试图用 ggplot 绘制我的纵向数据集。这是说明我的问题的示例数据。

这是我得到的情节。线条完全被搞砸了。剧情出了什么问题？谢谢你。

我们有一个显着的三向二次交互（所有 3 个连续变量），现在想定义“临界点”。Johnson-Neyman 技术只允许双向交互。有什么建议我们如何计算峰值？

这是一些随机数据：

这是具有二次三向交互的 lme：

我现在想知道 AM 和 DMD 之间的哪个交叉点出现峰值/谷值。有什么建议么？

我正在尝试重塑数据框中的数据以进行纵向分析。首先，这是一个可重现的示例（虽然不是最优雅的示例，但我仍在学习）：

如您所见，我有唯一的时间点（时间），一个变量对于所有观察（dax）都将保持正确，然后我需要以某种方式“取消列出”（id 和 indeg）。实际上，数据具有 180 个时间点和更多相同格式的变量。这就是我希望数据稍后的样子：

我研究了 R 的untableandreshape函数，但并不真正了解如何在我的数据上使用它们。似乎解决方案的一部分是通过example$id <- vapply(example$id, paste, collapse = ", ", character(1L))在重塑之前使用来展平列表？

由于我既是纵向分析的新手，又是 R 的新手，我经常发现自己陷入了这些看似微不足道的程序中。任何朝着正确方向的推动将不胜感激。

我知道有很多关于重塑的问题，但我找不到任何处理行中列表的问题（可能是因为我还不太熟悉这些术语）。

我想知道是否有办法在 SAS 中对以下模型进行建模（最好使用一些内置函数）：

这基本上是一种没有随机效应部分的功能混合效应模型。在这里，每个受试者在时间( ,..., )i都有观察值，并且协变量在受试者内不随时间变化，但在受试者之间变化。随机误差服从 iid 正态分布。t_{j}j=1n_{i}X_{i}

到目前为止，我发现的最接近的模型形式是通常用于时间序列数据的函数系数模型，尽管我不确定它是否适用于时间不变的协变量。任何人都知道是否有办法使用一些现有的软件（最好是 SAS）对此进行建模？

我正在使用 Proc GLM 来拟合基本的固定效应模型，并且我想获得方差/协方差矩阵。我知道如果你用 proc reg 拟合模型，这是非常东方的事情，但是我正在拟合的模型对于每个班级成员（超过 50 个班级成员）都有一个单独的斜率，因此我不想为所有这些代码编写虚拟变量。

有什么方法可以使用 proc glm 从拟合中获取方差协方差矩阵。

这是一个包含数据和我的代码的示例。我想得到估计的方差 - 协方差矩阵。

我得到每个类别的参数估计（这些本质上是令人讨厌的参数），然后我对估计时间 x2 和 x3 的协方差矩阵感兴趣。

谢谢

我有以下长数据集（称为“dat”的 R 数据框）。它对 1200 名儿童进行了大约 10,000 次观察，每个儿童最多进行 10 次观察。这些观察结果是在儿童早期的不同时间点收集的儿童体重，从出生到 5 岁。数据集中的年龄以天数（变量 = agedays）为单位，体重以公斤为单位，以变量 wtkg 给出。

数据集

我想使用 SITAR 包根据肥胖母亲（变量 = BMI_group）在妊娠 3 期过度的妊娠期体重增加（而不是在妊娠期 3 期过度增加体重）（变量 = GWG_T3_cat2）来研究孩子的速度、节奏和大小.

我尝试运行此链接中看到的模型：https ://www.rdocumentation.org/packages/sitar/versions/1.0.9

但我收到一个错误：

如果有人可以帮助解决这个问题，我将不胜感激。

我有两个需要合并的 dfs。DF 1 包含 120 行，每行包含一封电子邮件。DF2 包含丢失或重复的相同电子邮件，因为 DF2 是重复测量数据集，其中在 10 天内每天进行一次测量（每人最多 10 行 - 但由于缺少数据或未完成）。

我需要将两者合并，并让 DF1 在每封电子邮件中复制自己，这样我就可以制作一个长格式的数据集。我应该在这里使用什么合并功能？我想保留 x1 x2 x3 和 y1 y2 y3。这会是一个完整的加入吗？

我最近一直在学习如何在 R 中做混合模型（对两者都是新的），然后将它们作为分析我的数据的首选方式（最初是 2 路重复测量方差分析）。该研究涉及在三种不同条件下在 6 小时内（每个小时有一个值）对受试者的脑电图记录。每个受试者参与每个条件。

我的模型看起来像这样，我认为它是合适的。

现在阅读后，我知道您可以使用 lsmeans 获得事后测试，如下所示：

但是，此输出仅显示条件 AB、AC、BC 之间的事后测试。使用统计软件（无论如何都有两种重复测量方差分析），我可以按小时计算差异，如下所示。

条件 A，小时 1 – 条件 B，小时 1

条件 A，小时 1 - 条件 C，小时 1

条件 B，小时 1 - 条件 C，小时 1

条件 A，小时 2 – 条件 B，小时 2

条件 A，小时 2 - 条件 C，小时 2

条件 B，小时 2 - 条件 C，小时 2

....ETC。

我想知道如何在 R 中使用混合模型做同样的事情。或者，如果有一些首选的替代方案可以按小时提供与经典报告相同的信息。提前谢谢你的帮助。

更新：

我正在使用 lme4 包中的 lmer 和 lsmeans 包中的 lsmeans。

这是我的数据框的示例结构（实际上有 3 个条件，6 小时）：

我试过（我之前忽略了）lsmeans（模型，成对~条件|小时）：

但我得到 3.5 小时而不是按小时计算：

我有 y 和 x:-180:30:179 的 12 个数据点。在我绘制我的数据后，它看起来像一个锯齿形图案并且不平滑。为了平滑它，我在 30 度（即 +/-15 度）处应用了一个移动的纵向窗口。我怎样才能一次将其向前移动一个度数，以便纵向窗口像 [-15,15]、[-14,16]、[-13,17]、...那样变化？

到目前为止，这是我的代码