実験のデザインには 10 人の参加者が含まれます。それらのすべては、治療のために条件 A、B、C、D を通過しますが、参加者 1 ～ 5 は条件 E、F を通過し、参加者 6 ～ 10 は条件 G、H を通過します。
lme 関数を備えた nlme パッケージを使用して、欠落しているデータを処理し、参加者のリストごとの削除を防ぎます。測定変数 = DV、固定効果 = 条件、変量効果 = 参加者)。すべてがちょうど交差したとき、これは私が持っているものです:
lme(DV~cond, random =~1|ppt, data = OutcomeData, method = "ML", na.action = na.exclude)
最初の部分 (条件 A、B、C、D) が交差し、2 番目の部分 E、F および G、H がネストされている場合に設定される統計は何ですか....ヘルプやガイダンスをいただければ幸いです! ありがとう。
あなたのデザインは、被験者の一部が計画された方法で特定の条件にさらされていない、計画的な「欠落」デザインと見なすことができると思います (Enders, 2010 を参照)。これらの値が「無作為に完全に欠落している」場合、条件 EH で値が欠落している一元配置反復測定計画から得られたデータとして扱うことができます。
条件 AD と E および F を通過する被験者を他の被験者から区別する変数「ブロック」を含めることをお勧めします。次に、モデルを次のように指定できます
summary(m1 <- lme(DV ~ cond, random=~1|block/ppt, data=OutcomeData, method = "REML"))
被験者を 2 つのブロックに適切に無作為化した場合、ブロックに関連する大きなばらつきはありません。ブロックのランダム効果なしで別のモデルを当てはめることでこれをテストし、次のように 2 つのモデルを比較できます。
summary(m0 <- lme(DV ~ cond, random=~1|ppt, data=OutcomeData, method = "REML"))
anova(m0, m1)
method = "REML"変量効果が異なるネストされたモデルを比較しているためです。固定効果を推定するには、モデルをより適切に (できれば m0) で再適合させることができますmethod = "ML"。
まだデータを収集していない場合は、被験者をランダムに 2 つのブロックに割り当てることを強くお勧めします。被験者 1 ～ 5 をブロック 1 に割り当て（つまり、条件 E および F を通過）、被験者 6 ～ 10 を他のブロックに割り当てると、交絡変数（時間、技術者が手順に慣れるなど）が導入される可能性があります。