Т.к. Repeated-measures ANOVA вам не очень подходит по причине того, что вы относитесь к фактору "День" как к количественному и поэтому не хотите (как вам советовали выше), усреднять множество его градаций в 2-3, используйте День как ковариату в ANCOVA с подключением случайного фактора "мышь". Логика проста. Как известно, RM-ANOVA, которое исходно отвечает вашему случаю,
эквивалентно ANOVA с "случайным" фактором "мышь", вложенным в фактор "группа" (дизайн split-plot):
glm (или unianova) ЗДОРОВЬЕ by ГРУППА МЫШЬ ДЕНЬ /random= МЫШЬ /design= ГРУППА МЫШЬ(ГРУППА) ДЕНЬ ГРУППА*ДЕНЬ.
Но вы хотите сделать ДЕНЬ ковариатой, т.е. вам больше подойдет
glm (или unianova) ЗДОРОВЬЕ by ГРУППА МЫШЬ with ДЕНЬ /random= МЫШЬ /design= ГРУППА МЫШЬ(ГРУППА) ДЕНЬ ГРУППА*ДЕНЬ.
где то, что вас будет интересовать - значимость взаимодействия ГРУППА*ДЕНЬ.
Словом, перекройте файл данных, чтобы переменные ДЕНЬ1 ДЕНЬ2.... (в которых у вас значением количественный показатель здоровья) подшились друг под другом с образованием 2х переменных: ДЕНЬ и ЗДОРОВЬЕ. Создайте переменную МЫШЬ (номер мышки), - и вперед.
Перевод повторов в межгрупповой фактор всегда вызывал у меня внутренний протест: это не только не вполне честно... Хотя, что греха таить, временами тоже так поступаю, когда повторов много. В данном же случае я бы разделил повторы на две части: до максимума и после. Тогда, можно надеяться, взаимодействие меж и внутригруппового до максимума и после него будет разным.
Конечно, никогда не следует игнорировать внутрииндивидную изменчивость. Но здесь, в рамках GLM, нет никакого греха и протест излишен, когда фактор "мышь" тоже подключается, как я описал. Я же написал: эк-ви-ва-лент-но, т.е.: "то же самое". Я бы даже сказал, если б процедура Repeated Measures GLM не затевала бы полезные надбавочные калькуляции (вроде теста M Бокса и связанные с этим опциональные поправки), без нее теоретически вообще можно было бы обойтись.
Да это понятно, действительно, почти всегда можно найти равноценную альтернативу обработки (но лучше, если метод соответствует дизайну исследования). Главное в моем предложении в другом: в разделении данного периода на отрезки с последующим их сравнением.
Биологи и психологи в силу различий объекта по-разному понимают задачу. У биологов часто экспериментальная точка - горка трупов, которую нельзя использовать в дальнейшем исследовании и выборки получаются независимыми. При недостатке информации я почему-то понял что выборки независимы, а вы - что зависимы:). Если действительно в разное время измерялись одни и те же мыши, то и впрямь нужно использовать иерархию: вложить мышей во временные точки. Тогда факторами будут: 1-обработки (черные и красные), время (12 точек) и мыши "внутри" времени. Взаимодействий факторов возможно только 2: Обработка*Время и Обработка*Мышь внутри времени (Время*Мышь внутри времени - невозможно). Для оценки значимости различий в динамике важно первое взаимодействие, а второе оценивает индивидуальную изменчивость реакций мышей в ходе эксперимента и в контексте задачи не важно. Это - смешанная модель (факторы Время и обработка - фиксированные, а Мышь внутри времени - случайный) перекрестно-иерархической схемы дисперсионного анализа, но не ANCOVA, который используется для других целей и предполагает линейную регрессию. Если же мыши в каждой временной точке разные и выборки независимы, то это - обычная перекрестная схема дисперсионного анализа с фиксироваными факторами Обработка и Время. Объем выборки в экспериментальной биологии тоже всегда меньше: обычно достаточно 3-5 экземпляров на ячейку эксперимента. Если выборки зависимы, то 12 - вполне нормально, если независимы - на мой взгляд даже многовато. Но конечно зависит от изменчивости признака и силы эффекта. Люди более гетерогенны даже по биологическим характеристикам, т.к. некоторые по разным причинам едят, пьют и курят всякую дрянь, живут и работают в разных условиях. Поэтому демография и эпидемиология и работают с огромными выборками. У зверей все проще, однородность повыше. И мыши эти наверняка выросли в одном виварии, ели и пили одно и то же - большие выборки избыточны.
*Предложение adn1: усредним первые 5 e-переменных и последние 4 e-переменных *(6-ю проигнорируем) подвергнем RM-ANOVA. comp early= mean(e0921 to e0926). comp late= mean(e0928 to e1004). GLM early late BY isolation /WSFACTOR = time 2 /WSDESIGN = time /DESIGN = isolation . *Tests of Within-Subjects Effects показывает значимость взаимодействия *time * isolation .007.
*Предложение gorgonops: переструктурируем данные и сделаем ANCOVA с подключением *фактора Мышь. VARSTOCASES /MAKE health FROM e0921 e0923 e0924 e0925 e0926 e0927 e0928 e1001 e1002 e1004 /INDEX = time(10) /KEEP = mice isolation. *Предполагается, что временной интервал между замерами *один и тот же (в противном случае переменную time со значениями 1 2 3 ... надо *пересчитать на реальные дни). GLM health BY isolation mice WITH time /RANDOM = mice /DESIGN = isolation mice(isolation) time isolation*time . *Значимость взаимодействия time * isolation .102.
*Если вы склонны различать 2 стадии процесса - заболевание и выздоровление, *и эти стадии у разных мышей протекают более-менее синхронно, первый подход *вам подойдет лучше. Если же вы настаиваете что Время не делимо на этапы или *что эти этапы для мышей довольно индивидуальны, второй подход подойдет лучше.
Спасибо! Я ещё не знаю, как пользоваться кодом, который вы показываете. Не могли бы вы мне объяснить,как это делается через менюшки? Если конечно нетрудно! Макс
Не всё в этом коде можно в буквальности воспроизвести ч-з меню. К тому же "объяснить" - это хорошо бы видеоконференцию устроить :-)). Просто скопируйте в Syntax Window и нажмите Run all.
К сожалению быстро ответить не смогу, т.к. сам я в SPSS новичок:(. Но делал подобные анализы другими средствами и хочу разобраться как это сделать в SPSS. Не могли бы вы пояснить: (1) почему на графике временных точек 12, а судя по данным - 10. (2) Означает ли буквенное обозначение мыши (N, T и D) еще один фактор, про который вы ничего не сказали, и внутри которого брались по 4 животных? (3) Как правильно: N31 1 1232 или N31 1 12.32 и далее в этой колонке как у gorgonops? Я попробую обсчитать это как привык, а потом буду разбираться с SPSS.
Большое спасибо! 1. Это моя неаккуратность - один раз я график по-одному обрезал, второй раз - по-другому. Сейчас отдельным ответом выдам недостающие колонки. 2. Да, N,T, и D - три независимых тритмента - нет стресса, стресс, и стресс плюс запах хищника. Их хорошо бы тоже добавить в анализ. Но не обязательно - фактор housing (isolated vs grouped by 4).
3. Ой, да, я не заметил, почему-то потерялась точка. Сейчас выдам данные с исправленной точкой и добавленной колонкой.
Посчитал в SPSS13 (чтобы прочитали в SPSS14) так: 1) RM GLM Повторы (1-6), межгрупповые Изол*Стресс 2) То же, но повторы (7-12). Готов выслать в понедельник результат ответом на Ваше письмо на мой адрес adn@an2806.spb.edu
glm ДЕНЬ1 ДЕНЬ2 ... ДЕНЬ10
/wsfactor= day_factor 10 /wsdesign= day_factor /design= ГРУППА.
эквивалентно ANOVA с "случайным" фактором "мышь", вложенным в фактор "группа" (дизайн split-plot):
glm (или unianova) ЗДОРОВЬЕ by ГРУППА МЫШЬ ДЕНЬ
/random= МЫШЬ
/design= ГРУППА МЫШЬ(ГРУППА) ДЕНЬ ГРУППА*ДЕНЬ.
Но вы хотите сделать ДЕНЬ ковариатой, т.е. вам больше подойдет
glm (или unianova) ЗДОРОВЬЕ by ГРУППА МЫШЬ with ДЕНЬ
/random= МЫШЬ
/design= ГРУППА МЫШЬ(ГРУППА) ДЕНЬ ГРУППА*ДЕНЬ.
где то, что вас будет интересовать - значимость взаимодействия ГРУППА*ДЕНЬ.
Словом, перекройте файл данных, чтобы переменные ДЕНЬ1 ДЕНЬ2.... (в которых у вас значением количественный показатель здоровья) подшились друг под другом с образованием 2х переменных: ДЕНЬ и ЗДОРОВЬЕ. Создайте переменную МЫШЬ (номер мышки), - и вперед.
Reply
Reply
Reply
Reply
Объем выборки в экспериментальной биологии тоже всегда меньше: обычно достаточно 3-5 экземпляров на ячейку эксперимента. Если выборки зависимы, то 12 - вполне нормально, если независимы - на мой взгляд даже многовато. Но конечно зависит от изменчивости признака и силы эффекта. Люди более гетерогенны даже по биологическим характеристикам, т.к. некоторые по разным причинам едят, пьют и курят всякую дрянь, живут и работают в разных условиях. Поэтому демография и эпидемиология и работают с огромными выборками. У зверей все проще, однородность повыше. И мыши эти наверняка выросли в одном виварии, ели и пили одно и то же - большие выборки избыточны.
Reply
Мне уже в среду докладывать, а умений моих не хватает.
Вот собственно данные:
mice isolation e0921 e0923 e0924 e0925 e0926 e0927 e0928 e1001 e1002 e1004
N31 1 1232 11.7 12.88 15.34 13.94 16.58 16.69 15.46 12.25 12.72
N32 1 1187 14.85 16.45 16.36 16.11 18.37 18.35 21.31 19.17 13.56
N33 1 1140 11.68 13.37 12.81 11.6 13.55 14.25 15.04 15.04 12.2
N34 1 1305 10.37 12.83 13.7 12.89 15.49 17.01 12.82 12.62 11.56
N41 2 1136 12.87 13.91 13.59 18.46 18.5 18.48 16.75 16.24 13.57
N42 2 1348 11.54 14.36 13.8 15.59 17.65 18.43 13.05 12.75 11.55
N43 2 1227 12.33 14.02 16.72 19.14 18.18 19.98 15.68 15.87 13.09
N44 2 1174 11.18 13.41 14.64 18.33 18.58 17.71 15.38 13.58 12.43
T31 1 1136 11.17 12.47 15.27 14.28 19.08 14.81 12.12 13.72 11.53
T32 1 1006 12.98 12.54 15.02 14.88 18.17 19.67 13.15 14.71 11.72
T33 1 1045 12.8 14.16 16.89 17.62 18.96 17.3 12.72 13.86 10.72
T34 1 1038 10.77 11.35 14.82 16.34 17.27 18.07 15.66 15.92 12.09
T41 2 1067 12.93 13.3 16.22 17.23 17.09 17.01 14.29 13.6 10.66
T42 2 841 12.16 16.59 16.97 16.56 16.2 17.04 11.06 11.44 9.08
T43 2 1053 10.79 11.61 15.09 11.72 14.46 14.3 11.72 13.11 10.17
T44 2 1180 12.92 14.71 15.3 16.78 16.51 14.69 11.45 13.67 9.42
D11 1 1002 10.52 14.57 15.89 17.76 18.3 19.4 17.32 15.86 9.26
D12 1 1030 12.86 14.51 17.57 15.49 19.82 18.95 17.12 15.17 13.34
D13 1 985 13.12 14.2 17.03 16.44 18.67 19.54 16.67 16.37 12.54
D14 1 1111 10.23 12.82 13.77 16.41 17.58 14.13 13.56 12.67 11.32
D21 2 1104 11.8 13.74 17.31 14.91 18 17.8 13.69 15 11.15
D22 2 978 12.72 13.8 16.6 18.68 18.79 19.19 15.21 13.48 9.43
D23 2 996 11.6 12.36 15.46 18.16 18.68 13.32 13.99 12.23 9.79
D24 2 1072 13.54 15.56 20.36 20.66 18.95 19 12.44 12.23 9.53
Reply
/mice (a3) isolation (f1)
e0921 e0923 e0924 e0925 e0926 e0927 e0928 e1001 e1002 e1004 (10f8.2).
begin data
N31 1 12.32 11.7 12.88 15.34 13.94 16.58 16.69 15.46 12.25 12.72
N32 1 11.87 14.85 16.45 16.36 16.11 18.37 18.35 21.31 19.17 13.56
N33 1 11.40 11.68 13.37 12.81 11.6 13.55 14.25 15.04 15.04 12.2
N34 1 13.05 10.37 12.83 13.7 12.89 15.49 17.01 12.82 12.62 11.56
N41 2 11.36 12.87 13.91 13.59 18.46 18.5 18.48 16.75 16.24 13.57
N42 2 13.48 11.54 14.36 13.8 15.59 17.65 18.43 13.05 12.75 11.55
N43 2 12.27 12.33 14.02 16.72 19.14 18.18 19.98 15.68 15.87 13.09
N44 2 11.74 11.18 13.41 14.64 18.33 18.58 17.71 15.38 13.58 12.43
T31 1 11.36 11.17 12.47 15.27 14.28 19.08 14.81 12.12 13.72 11.53
T32 1 10.06 12.98 12.54 15.02 14.88 18.17 19.67 13.15 14.71 11.72
T33 1 10.45 12.8 14.16 16.89 17.62 18.96 17.3 12.72 13.86 10.72
T34 1 10.38 10.77 11.35 14.82 16.34 17.27 18.07 15.66 15.92 12.09
T41 2 10.67 12.93 13.3 16.22 17.23 17.09 17.01 14.29 13.6 10.66
T42 2 8.41 12.16 16.59 16.97 16.56 16.2 17.04 11.06 11.44 9.08
T43 2 10.53 10.79 11.61 15.09 11.72 14.46 14.3 11.72 13.11 10.17
T44 2 11.80 12.92 14.71 15.3 16.78 16.51 14.69 11.45 13.67 9.42
D11 1 10.02 10.52 14.57 15.89 17.76 18.3 19.4 17.32 15.86 9.26
D12 1 10.30 12.86 14.51 17.57 15.49 19.82 18.95 17.12 15.17 13.34
D13 1 9.85 13.12 14.2 17.03 16.44 18.67 19.54 16.67 16.37 12.54
D14 1 11.11 10.23 12.82 13.77 16.41 17.58 14.13 13.56 12.67 11.32
D21 2 11.04 11.8 13.74 17.31 14.91 18 17.8 13.69 15 11.15
D22 2 9.78 12.72 13.8 16.6 18.68 18.79 19.19 15.21 13.48 9.43
D23 2 9.96 11.6 12.36 15.46 18.16 18.68 13.32 13.99 12.23 9.79
D24 2 10.72 13.54 15.56 20.36 20.66 18.95 19 12.44 12.23 9.53
end data.
*Посмотрим на график.
IGRAPH /VIEWNAME='Line Chart' /X1 = VAR(category_set1) TYPE = CATEGORICAL /Y
= VAR(value_set1) TYPE = SCALE /COLOR = VAR(isolation) TYPE = CATEGORICAL
/COORDINATE = VERTICAL /COMBINE GROUP=VAR(category_set1) TYPE=CATEGORICAL
'Category' RESPONSE=VAR(value_set1) TYPE=SCALE 'Value' VAR(e0921) 'e0921'
VAR(e0923) 'e0923' VAR(e0924) 'e0924' VAR(e0925) 'e0925' VAR(e0926) 'e0926'
VAR(e0927) 'e0927' VAR(e0928) 'e0928' VAR(e1001) 'e1001' VAR(e1002) 'e1002'
VAR(e1004) 'e1004' /X1LENGTH=3.0 /YLENGTH=3.0 /X2LENGTH=3.0
/CHARTLOOK='NONE' /CATORDER VAR(category_set1) (ASCENDING VALUES OMITEMPTY)
/CATORDER VAR(isolation) (ASCENDING VALUES OMITEMPTY) /LINE(MEAN) KEY=ON
STYLE = LINE DROPLINE = OFF INTERPOLATE = STRAIGHT BREAK = MISSING /ERRORBAR
CI(95.0) DIRECTION = BOTH CAPWIDTH (45) CAPSTYLE = T.
EXE.
*Предложение adn1: усредним первые 5 e-переменных и последние 4 e-переменных
*(6-ю проигнорируем) подвергнем RM-ANOVA.
comp early= mean(e0921 to e0926).
comp late= mean(e0928 to e1004).
GLM
early late BY isolation
/WSFACTOR = time 2
/WSDESIGN = time
/DESIGN = isolation .
*Tests of Within-Subjects Effects показывает значимость взаимодействия
*time * isolation .007.
*Предложение gorgonops: переструктурируем данные и сделаем ANCOVA с подключением
*фактора Мышь.
VARSTOCASES /MAKE health FROM
e0921 e0923 e0924 e0925 e0926 e0927 e0928 e1001 e1002 e1004
/INDEX = time(10)
/KEEP = mice isolation.
*Предполагается, что временной интервал между замерами
*один и тот же (в противном случае переменную time со значениями 1 2 3 ... надо
*пересчитать на реальные дни).
GLM
health BY isolation mice WITH time
/RANDOM = mice
/DESIGN = isolation mice(isolation) time isolation*time .
*Значимость взаимодействия time * isolation .102.
*Если вы склонны различать 2 стадии процесса - заболевание и выздоровление,
*и эти стадии у разных мышей протекают более-менее синхронно, первый подход
*вам подойдет лучше. Если же вы настаиваете что Время не делимо на этапы или
*что эти этапы для мышей довольно индивидуальны, второй подход подойдет лучше.
Reply
Не могли бы вы мне объяснить,как это делается через менюшки?
Если конечно нетрудно!
Макс
Reply
Reply
Reply
Reply
1. Это моя неаккуратность - один раз я график по-одному обрезал, второй раз - по-другому. Сейчас отдельным ответом выдам недостающие колонки.
2. Да, N,T, и D - три независимых тритмента - нет стресса, стресс, и стресс плюс запах хищника. Их хорошо бы тоже добавить в анализ. Но не обязательно - фактор housing (isolated vs grouped by 4).
3. Ой, да, я не заметил, почему-то потерялась точка. Сейчас выдам данные с исправленной точкой и добавленной колонкой.
Макс
Reply
N31 1 1 1.98 10.73 12.32 11.7 12.88 15.34 13.94 16.58 16.69 15.46 12.25 12.72
N32 1 1 0.88 11.51 11.87 14.85 16.45 16.36 16.11 18.37 18.35 21.31 19.17 13.56
N33 1 1 3.42 11.11 11.4 11.68 13.37 12.81 11.6 13.55 14.25 15.04 15.04 12.2
N34 1 1 2.82 10.74 13.05 10.37 12.83 13.7 12.89 15.49 17.01 12.82 12.62 11.56
N41 2 1 3.23 7.98 11.36 12.87 13.91 13.59 18.46 18.5 18.48 16.75 16.24 13.57
N42 2 1 4.25 9.49 13.48 11.54 14.36 13.8 15.59 17.65 18.43 13.05 12.75 11.55
N43 2 1 3.44 9.5 12.27 12.33 14.02 16.72 19.14 18.18 19.98 15.68 15.87 13.09
N44 2 1 2.89 10.88 11.74 11.18 13.41 14.64 18.33 18.58 17.71 15.38 13.58 12.43
T31 1 2 2.74 10.84 11.36 11.17 12.47 15.27 14.28 19.08 14.81 12.12 13.72 11.53
T32 1 2 1.85 10.32 10.06 12.98 12.54 15.02 14.88 18.17 19.67 13.15 14.71 11.72
T33 1 2 1.07 8.5 10.45 12.8 14.16 16.89 17.62 18.96 17.3 12.72 13.86 10.72
T34 1 2 3.14 10.15 10.38 10.77 11.35 14.82 16.34 17.27 18.07 15.66 15.92 12.09
T41 2 2 1.4 9.84 10.67 12.93 13.3 16.22 17.23 17.09 17.01 14.29 13.6 10.66
T42 2 2 -0.23 9.7 8.41 12.16 16.59 16.97 16.56 16.2 17.04 11.06 11.44 9.08
T43 2 2 0.28 9.22 10.53 10.79 11.61 15.09 11.72 14.46 14.3 11.72 13.11 10.17
T44 2 2 3.59 9.9 11.8 12.92 14.71 15.3 16.78 16.51 14.69 11.45 13.67 9.42
D11 1 3 3.13 9.71 10.02 10.52 14.57 15.89 17.76 18.3 19.4 17.32 15.86 9.26
D12 1 3 0.86 10.59 10.3 12.86 14.51 17.57 15.49 19.82 18.95 17.12 15.17 13.34
D13 1 3 0.18 11.32 9.85 13.12 14.2 17.03 16.44 18.67 19.54 16.67 16.37 12.54
D14 1 3 0.42 9.46 11.11 10.23 12.82 13.77 16.41 17.58 14.13 13.56 12.67 11.32
D21 2 3 1.25 9.63 11.04 11.8 13.74 17.31 14.91 18 17.8 13.69 15 11.15
D22 2 3 4.19 8.24 9.78 12.72 13.8 16.6 18.68 18.79 19.19 15.21 13.48 9.43
D23 2 3 4.33 10.28 9.96 11.6 12.36 15.46 18.16 18.68 13.32 13.99 12.23 9.79
D24 2 3 1.61 9.94 10.72 13.54 15.56 20.36 20.66 18.95 19 12.44 12.23 9.53
Reply
Готов выслать в понедельник результат ответом на Ваше письмо на мой адрес adn@an2806.spb.edu
Reply
Я вам послал эл. письмо.
Макс
Reply
Leave a comment