R中的部分嵌套/阻塞实验设计

Question

实验的设计涉及10名参与者。所有患者均经过A、B、C、D条件治疗，而参与者1-5的治疗条件为E、F，参与者6-10的治疗条件为G、H。

我正在使用带有lme功能的nlme包来处理丢失的数据，并防止按列表删除参与者。测量变量= DV，固定效应=条件，随机效应=参与者)。当一切都刚刚过去的时候，这就是我所拥有的：

lme(DV~cond, random =~1|ppt, data = OutcomeData, method = "ML", na.action = na.exclude)

当第一部分(条件A，B，C，D)交叉而第二部分E，F，G，H嵌套时，统计量是什么？任何帮助或指导都将不胜感激！谢谢。

Answer 1

我认为你的设计可以被认为是一种有计划的“缺失”设计，其中一部分主题不会以计划的方式暴露在某些条件下(见Enders，2010)。如果这些值“完全随机丢失”，您可以将数据处理为从单向重复度量设计中获得的数据，并在E条件下使用缺失值。

我建议你包括一个可变的“块”来区分经过条件and加上E和F的受试者和其他受试者。然后，您可以将模型指定为

summary(m1 <- lme(DV ~ cond, random=~1|block/ppt, data=OutcomeData, method = "REML"))

如果将被试随机分为2个块，则不应存在与这些块相关的显著变异性。您可以通过在没有块随机效应的情况下拟合另一个模型来测试这一点，并将以下两个模型进行比较：

summary(m0 <- lme(DV ~ cond, random=~1|ppt, data=OutcomeData, method = "REML"))
anova(m0, m1)

method = "REML"，因为我们正在比较不同随机效应的嵌套模型。为了估计固定的效果，您可以用method = "ML"对模型进行更好的拟合(希望是method = "ML")。

如果你还没有收集到数据，我强烈建议你把研究对象随机分配到这两个区块。将被试1-5分配给块1(即通过条件E和F)，将6-10对象分配到另一个块可以引入混淆变量(例如，时间，技术人员对程序的适应)。