답변:
나는 실제 모델 "반복 된 측정치 분산 분석"이 무엇을 설명하는지 완전히 알지 못하지만, 일반적인 문제 중 하나는 모델에 어떤 종류의 랜덤 효과를 가하는 것보다는 유도 된 의존성을 다루기 위해 분산 추정치를 조정하는 것 (예 : 시계열 횡단면 데이터 분석에서 패널 수정 표준 오류 대 다단계 모델 토론). 먼저 그 질문에 대해 살펴보고 귀하의 문제를 해결해 드리겠습니다.
고정 및 임의 효과
고정 효과가 아닌 임의 효과를 사용해야하는 경우에 대한 두 가지 보완 원칙은 다음과 같습니다.
둘 다 주제 랜덤 효과를 명시 적으로 포함시킨다 : 일반적으로 당신은 일반적으로 인간 집단에 관심이 있고 각 주제의 반응 세트의 요소들은 서로 관련되고 서로 예측 가능하며 따라서 서로에 대해 유익하다. 자극과 같은 것은 덜 명확합니다. 세 가지 유형의 자극 만있을 경우 1. 고정 효과를 유발하고 2. 자극의 본질에 따라 결정을 내립니다.
당신의 질문
반복 효과 ANOVA에 혼합 모델을 사용하는 한 가지 이유는 전자가 상당히 일반적이기 때문입니다. 예를 들어 균형 및 불균형 설계에서 동일하게 쉽게 작동하고 다단계 모델로 쉽게 확장 할 수 있습니다. 고전적인 ANOVA와 그 확장에 대한 나의 (확실히 제한적인) 독서에서 혼합 모델은 ANOVA 확장이하는 모든 특별한 경우를 다루는 것 같습니다. 따라서 실제로 반복 측정 ANOVA를 선호하는 통계적 이유를 생각할 수 없습니다. 다른 사람들이 여기에서 도울 수 있습니다. (친숙한 사회 학적 이유는 해당 분야에서 노인이 대학원에서 배운 방법에 대해 읽는 것을 선호하고 실제로는 ANOVA의 작은 확장보다 혼합 모델을 사용하는 방법을 배우는 데 시간이 조금 더 걸릴 수 있다는 것입니다.)
노트
실험적 이지 않은 데이터 와 가장 관련이있는 임의 효과 사용에 대한주의 사항은 일관성을 유지하려면 임의 효과가 모델의 고정 효과와 관련이 없다고 가정하거나 임의 효과의 공변량으로 고정 효과 수단을 추가해야한다는 것입니다 (토론 됨) 예를 들어 Bafumi와 Gelman의 논문에서).
lmer제공하지 않습니다 어떤 모두에서 표준 요약 P-값을.
참가자가 각 조건에서 똑같은 그림을 보는 경우 (각 범주에는 아마도 다른 그림이 포함되어 있기 때문에 원래 예에서는 해당되지 않음) 셀의 분산 분석을 통해 정확히 알고 싶은 내용을 알 수 있습니다. 선호하는 한 가지 이유는 이해하기 쉽고 의사 소통하기가 쉽기 때문입니다 (연구를 게시하려고 할 때 검토 자 포함).
그러나 기본적으로 그렇습니다. 각 조건마다 반복적으로 시행되는 몇 가지 조건 (예 : 사진 범주)에 따라 여러 사람이 무언가를 수행해야하는 실험을 실행하는 경우 항상 두 가지 변동 요인이있는 경우입니다. 일부 분야 (예 : 심리 언어학)의 연구자들은 이러한 이유로 멀티 레벨 모델 (또는 Clark의 F1 / F2 분석과 같은 다른 오래된 대안)을 일상적으로 사용하는 반면 다른 분야 (예 : 주류 실험 심리학의 많은 작업)는 기본적으로이 문제를 무시합니다 ( 내가 말할 수있는 것에서 벗어날 수있는 다른 이유).
이 백서에서는이 질문에 대해서도 설명합니다.
Raaijmakers, JGW, Schrijnemakers, JMC, & Gremmen, F. (1999). "고정 된 언어로 인한 오류"를 다루는 방법 : 일반적인 오해와 대안 솔루션. 메모리 및 언어 저널 , 41 (3), 416-426.
못. 반복 측정 ANOVA는 아마도 가장 간단한 혼합 효과 모델 중 하나입니다. 혼합 효과로 하나를 맞추는 방법을 알지 않고 혼합 효과 방법을 배우는 것 외에는 반복 측정을 배우지 않는 것이 좋습니다. 레시피로 이해 될 수 없으므로 더 많은 노력이 필요하지만 여러 랜덤 효과, 다른 상관 관계 구조로 확장되고 누락 된 데이터를 처리 할 수 있으므로 훨씬 강력합니다.
Gueorguieva, R., and Krystal, JH (2011)를 참조하십시오. 분산 분석으로 이동하십시오. Arch Gen Psychiatry, 61, 310–317. http://doi.org/10.1001/archpsyc.61.3.310