Combinación de repetidos experimentos en un conjunto de datos

Question

Espero que todos ustedes no se mente una pregunta básica.

Vamos a examinar los efectos de un compuesto en varios concentración en el comportamiento de un organismo. El compuesto se administra una vez al principio del curso del tiempo. Las observaciones se realizan cada minuto durante un período de 2 horas. Cada concentración se aplica para 12 personas.

Si repetimos el experimento con diferentes personas, ¿cuál es la mejor forma de combinar los 2 experimentos? El problema que estamos teniendo es que aunque la distribución y forma de los datos de cada experimento es muy similar, la trama de las medianas por el tiempo que generalmente es significativamente desplazado hacia arriba o hacia abajo entre exp1 y exp2.

Sin duda, será muy evidente que soy inexperta en las estadísticas. Si esta pregunta se necesita más información para ser responsable, hágamelo saber.

Gracias, Jen

Answer 1

Creo que una manera en la que puedes analizar los dos experimentos juntos es por definición un multinivel/modelo jerárquico. Los individuos están anidados dentro de cada experimento.

El estándar para este enfoque es Gelman libro (creo).
El Diario de la Memoria y el Lenguaje había un número especial en el análisis de datos en 2008 , que cubrió los modelos jerárquicos e incluso algunos de los ejemplos en R.
Otros aquí, probablemente, puede proporcionar una buena web-recursos así.

Answer 2

Solo hay que añadir "experimento" como un efecto de su modelo, que deben tener en cuenta el cambio entre los experimentos y permiten obtener el poder de aumento de N a través de experimentos para detectar los efectos de la concentración y el tiempo.

En R, si mediante análisis de VARIANZA y el tratamiento del tiempo como un factor (por ejemplo, no numérico), a continuación, hacer:

library(ez)

ezANOVA(
    data = my_data
    , dv = .(my_dv)
    , wid = .(individual)
    , within = .(time)
    , between = .(concentration,experiment)
)

Sin embargo, este:

1. trata de experimentar un efecto fijo, mientras que es posible que más razonablemente ser considerada como un efecto aleatorio (gracias Henrik!)
2. trata a tiempo, como no continua
3. se supone esfericidad través de los niveles de tiempo

Un enfoque que resuelve los tres problemas es utilizar un modelo de efectos mixtos. Si usted piensa que el efecto del tiempo es lineal, entonces deje el tiempo como una variable numérica y hacer:

library(lme4)

lmer(
    data = my_data
    , formula = my_dv ~ time*concentration+(1|individual)+(1|experiment)
)

Si usted no cree que el tiempo es lineal, se puede convertir a un factor y repita el procedimiento anterior, o el uso generalizado de aditivos mixto de modelado:

library(gamm4)
fit <- gamm4(
    data = my_data
    , formula = my_dv ~ time+concentration+s(time,by=concentration,bs='tp')
    , random = ~ (1|individual) + (1|experiment)
)
print(fit$gam)

Que se supone que el experimento sólo se cambia la función de tiempo, pero que permite la concentración de cambiar la forma de la función de tiempo. Tengo un tiempo difícil averiguar cómo visualizar los resultados de una sola gamm4 encaja, así que por lo general obtener el amueblada predicciones del modelo a través de los efectos fijos del espacio, a continuación, bootstrap (en su caso, el muestreo de los individuos con el reemplazo dentro de cada experimento) intervalos de confianza en torno a estas predicciones.

También, todo lo anterior supone que los residuos son de gauss; si usted está tratando con algo diferente (por ejemplo. binomio de datos), entonces usted necesita para cambiar la "familia" de los argumentos de lmer y gamm4 (ezANOVA no puede hacer nada, pero de gauss).