Các mô hình hiệu ứng hỗn hợp tuyến tính không được sử dụng phổ biến trong góc sinh học của tôi và tôi cần báo cáo kiểm tra thống kê mà tôi đã sử dụng trong một bài báo tôi đang cố gắng viết. Tôi biết rằng nhận thức về mô hình đa cấp đang bắt đầu xuất hiện trong một số lĩnh vực của ngành sinh học ( Giải pháp cho sự phụ thuộc: sử dụng phân tích đa cấp để chứa dữ liệu lồng nhau ), nhưng tôi vẫn đang cố gắng học cách báo cáo kết quả của mình!
Tóm lại, thiết kế thử nghiệm của tôi:
* Đối tượng được chỉ định cho một trong bốn nhóm điều trị
* Các phép đo của biến phụ thuộc được thực hiện vào nhiều ngày sau khi bắt đầu điều trị
* Thiết kế không cân bằng (số lượng đối tượng không đồng đều trong các nhóm điều trị và bị thiếu đo lường cho một số đối tượng trong một số ngày)
* Điều trị A là danh mục tham khảo
* Tôi tập trung dữ liệu vào ngày điều trị cuối cùng
Tôi muốn biết liệu Điều trị A (loại tham khảo) mang lại kết quả tốt hơn đáng kể so với các phương pháp điều trị khác (khi kết thúc điều trị).
Tôi đã phân tích trong R, sử dụng nlme:
mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject, data = mydf, na.action = na.omit,
+ correlation = corAR1(form = ~1 |Subject), method = "REML")
Và đầu ra (một phần; bị cắt ngắn để ngắn gọn) là:
>anova(mymodel)
numDF denDF F-value p-value
(Intercept) 1 222 36173.09 <.0001
Treat 3 35 16.61 <.0001
Day 7 222 3.43 0.0016
Treat:Day 21 222 3.62 <.0001
>summary(mymodel)
Fixed effects: dv ~ Treatment * Day
Value Std.Error DF t-value p-value
(Intercept) 7.038028 0.1245901 222 56.48945 0.0000
TreatmentB 0.440560 0.1608452 35 2.73903 0.0096
TreatmentC 0.510214 0.1761970 35 2.89570 0.0065
TreatmentD 0.106202 0.1637436 35 0.64859 0.5208
Vì vậy, tôi biết rằng hiệu quả của Ngày khác với Điều trị và vào ngày điều trị cuối cùng (trong đó dữ liệu là trung tâm), dv khác biệt đáng kể trong Điều trị A so với Điều trị B hoặc C.
Điều tôi muốn nói là: "Theo dự đoán, chúng tôi thấy rằng Biến phụ thuộc thấp hơn đáng kể ở những đối tượng được điều trị A (trung bình +/- SE) so với ở những đối tượng được điều trị B (trung bình +/- SE, p = 0,0096) hoặc Điều trị C (trung bình +/- SE, p = 0,0065), được đo vào ngày điều trị cuối cùng. "
Nhưng, tôi phải chỉ ra những gì kiểm tra thống kê đã được thực hiện. Đây sẽ là một cách chấp nhận được để mô tả phân tích? "[Phương pháp đo lường] được thực hiện vào những ngày được chỉ định và Biến phụ thuộc (đơn vị) đã được xác định; chúng tôi đã phân tích dữ liệu chuyển đổi nhật ký bằng mô hình hiệu ứng hỗn hợp tuyến tính tập trung tại [ngày điều trị cuối cùng]. Lỗi tiêu chuẩn. Vào ngày điều trị cuối cùng, dv thấp hơn đáng kể ở Điều trị A (trung bình +/- SE) so với Điều trị B (trung bình +/- SE, p = 0,0096) ... "
Cụ thể,
* Điều đó có đủ nói về kiểm tra thống kê được sử dụng không? (Người đọc thường thấy một cái gì đó giống như "nghĩa là +/- SE, p = 0,0096, bài kiểm tra t của sinh viên", nhưng có vẻ lạ khi viết "p = 0,0096, hệ số cho Điều trị B so với Điều trị A từ các hiệu ứng hỗn hợp tuyến tính mô hình tại [ngày điều trị cuối cùng]. ")
* Có cách nào tốt hơn để đặt cái này không?
(Phần phương thức sẽ bao gồm nhiều thông tin hơn về các số liệu thống kê: "Dữ liệu [Phương pháp đo lường] được phân tích bằng các gói R và R ... Chúng tôi đã phân tích dữ liệu Biến phụ thuộc được chuyển đổi nhật ký bằng cách sử dụng các mô hình hiệu ứng hỗn hợp tuyến tính bằng cách sử dụng Đối tượng làm hiệu ứng ngẫu nhiên và một cấu trúc tự tương quan của đơn hàng 1 (AR1). Như các hiệu ứng cố định, chúng tôi bao gồm Điều trị và Ngày, và sự tương tác của Điều trị và Ngày. Chúng tôi đã kiểm tra tính bình thường và tính đồng nhất bằng cách kiểm tra trực quan các lô dư so với các giá trị được trang bị. các phân tích hiệu ứng hỗn hợp, chúng tôi đã thực hiện các thử nghiệm tỷ lệ khả năng so sánh các mô hình với các hiệu ứng cố định với các mô hình null chỉ với các hiệu ứng ngẫu nhiên. ")
Bất kỳ lời khuyên nào về cách báo cáo kết quả của mô hình hiệu ứng hỗn hợp tuyến tính cho đối tượng thường không thích thống kê (và được viết bởi một người mới thống kê tương đối) sẽ được đánh giá cao!