R中带嵌套和杂交的anova模型程序
我要构建的模型是:因变量=因子A+因子B+因子C+因子A和C+因子之间的相互作用B和C+因子B嵌套在因子A内。
我在网上遇到的一个例子是在文件"ANOVA: advanced“(http://web.grinnell.edu/individuals/kuipers/stat2labs/Handouts/DOE%20Advancede.pdf)中描述的(感谢作者在网上分享这个文件)。在此文件中，拆分图/重复度量值设计(幻灯片9-10)中描述的示例与我的情况类似。这里，因子A是品牌，因子B是框，因子C是温度。如果我们假设(1)盒子是一个固定的效应(即，这3个盒子代表了所有可能的因子“盒子”)，(2)每个盒子内的所有袋子都被分配给一个温度，(3)温度有两个以上的水平(例如，有四个温度级别，10，20，30，40)，并且每个盒子里分配给某个温度的袋子的数量是随机确定的(也就是说，分配给不同温度的袋子的数量是不相等的，而且在某些盒子里没有袋子被分配到特定的温度)，然后这个例子几乎和我想要描述的一样。而且，我的设计是不平衡的。
我想检验哪些因素以及这些因素对因变量的贡献。假设是对三种方式的假设(如爆米花、品牌、温度、盒子)。在爆米花的例子中，空假设可能是:品牌、温度和/或盒子不影响爆米花的%。另一种假设与null正好相反。同样，在我的例子中，框也可能是随机效应，就像box一样，但是我想考虑这两种情况(框作为固定的和随机的效应)。
解决这个问题的适当方法是什么？
谢谢。
回答 1
Stack Overflow用户
发布于 2016-01-04 19:18:27
我不能百分之百肯定我们在术语上是一致的，但我想试试.
你说你想
因子A+因子B+因子C+因子A和C+因子之间的相互作用B和C+因子B嵌套在因子A中
主要要注意的是，至少在我熟悉的世界中，"B嵌套在A中“等同于”包括A的主要影响和A与B之间的相互作用，但不包括B的主要影响“(即~A/B == ~A+A:B )。但是你说你确实想要因子B的主要效果，所以这看起来有点奇怪。遵循您的规范会给出
~ A + B + C + A:C + B:C + A/B但这相当于
~ A + B + C + A:C + B:C + A + A:BR自动丢弃冗余的A项，因此这也相当于
~ A + B + C + A:C + B:C + A:B但是由于这本质上是主要的效果加上所有的双向交互，所以您也可以将其写为
~(A+B+C)^2由于多余的术语被丢弃了，所以可以用多种不同的方式来写这个词：~A*B+A*C+B*C (A*B等效于A+B+A:B)或~A*C+B*C+A/B .如果您想检查R实际产生了什么，可以使用colnames(model.matrix(my_formula,my_data))。
这都是假设我们在lm()/固定效果环境下工作.
https://stackoverflow.com/questions/34597724
复制相似问题
腾讯云开发者
