Mi conjunto de datos tiene las siguientes variables:
- Tratamiento (4 tipos- fijo)
- Ubicación (8 ubicaciones- fijo)
- Posición en la ubicación (3 posiciones por ubicación, fija)
- Se toman muestras en cada posición (3 muestras por posición aleatoria)
- Tiempo (dos tiempos de muestreo - fijo)
- Tasa de mineralización (como resultado del análisis de muestras tomadas)
Se utilizan dos ubicaciones para evaluar cada tratamiento (es decir, 4 tratamientos, 2 ubicaciones por tratamiento, 8 ubicaciones en total).
Quiero hacer un ANOVA de medidas repetidas de parcela dividida (/ anidado?) (/ Modelo mixto?) Al R
usar las variables anteriores.
Q.1. ¿Suena esto adecuado?
Mi objetivo es ver si hay un efecto de 1) posición, 2) tratamiento, 3) tiempo y 4) interacción de todos (es decir, pos * treat *, pos * time, treat * time, pos * treat * time) en tasas de mineralización.
Q 2. ¿La ubicación está anidada en el tratamiento? ¿La muestra está anidada en posición?
Q 3. ¿Cuáles son los factores entre y dentro de los factores?
Q 4. ¿Cuál es el tema / argumento? - ¿Es la ubicación o posición o muestra o tasa?
P 5. ¿Cómo puedo poner el tiempo como medidas repetidas en mi fórmula R?
P 6. ¿Usaría aov, lme o ezANOVA?
Q 7. ¿Cómo codifico las variables independientes separadas y sus interacciones en una fórmula R adecuada?
Literalmente he estado tratando de resolver esto durante días y parece que no puedo encontrar una respuesta que tenga sentido ...
Respuestas:
Problema complicado! ¿La ubicación es fija o aleatoria? ¿La posición es fija o aleatoria? Supongo que la muestra es aleatoria.
Tiene 3 niveles de anidamiento (tiempo dentro de la muestra, muestra dentro de la posición, posición dentro de la ubicación).
Si la ubicación, la posición y la muestra son aleatorias, creo que la fórmula R se verá así:
Tiene 1 fila en su marco de datos para cada observación de muestra en cada momento, con codificaciones apropiadas para todas sus características de diseño.
¿Funcionaría combinar las medidas repetidas en una puntuación como su promedio o su diferencia? Eso podría hacer que el modelo sea más fácil de interpretar.
fuente