纵向研究中的重复测量方差分析

Question

我有如下数据集：

Groups  Score1  Score2  Score3
G1      12      19      11
G1      8       2       12
G1      5       4       17
G1      20      17      5
G1      15      3       18
G1      5       9       6
G1      14      13      16
G1      2       7       2
G1      14      1       0
G1      9       19      11
G2      8       11      9
G2      14      7       17
G2      16      10      18
G2      13      9       14
G2      10      15      15
G2      5       1       11
G2      4       16      19
G2      17      14      16
G2      14      13      16
G2      2       0       13
G3      16      13      19
G3      3       12      10
G3      9       4       16
G3      17      3       12
G3      18      4       6
G3      20      1       18
G3      15      17      7
G3      10      16      12
G3      3       12      2
G3      8       2       2

我的目标是比较每组内的三个分数，看看 group1 的 score1 的平均值是否与 score2 和 score3 显着不同。并且还要比较每组之间 score1 的平均值。 并将分组因子的水平轴上的所有三个分数（三条线）映射到一个漂亮的图表上。 我不知道我应该使用哪个 R 包。 有人可以让我知道哪个包和功能最适合吗？ 谢谢

Answer 1

这样的？

library(reshape2)    # for melt(...)
library(ggplot2)
df.melt <- melt(df, id="Groups", variable.name="Score")
ggplot(df.melt, aes(x=Groups, y=value, color=Score))+
  stat_summary(geom="point", fun.y=mean, position=position_dodge(width=0.5))+
  stat_summary(geom="errorbar", fun.data=mean_cl_normal, width=0.1, position=position_dodge(width=0.5))+
  labs(x="", y="Score")

所以在这里，我们首先将您的数据集从“宽”格式（不同列中的分数）转换为“长”格式（一列中的所有分数，第二列Score，表示每一行属于哪个集合到）。我们使用ggplot 绘制平均分（使用stat_summary(fun.y=mean,...) 和+/- 95% CL（使用stat_summary(fun.data=mean_cl_normal,...)。其余的只是格式化。

您会认为，由于每个组和每个分数的 95% CL 重叠，因此没有任何分数/组与任何其他分数/组不同。但这是误导。例如，如果我们运行 t 检验比较第 2 组中的分数 2 和 3，

with(df[df$Groups=="G2",],t.test(Score2,Score3))
#   Welch Two Sample t-test
# 
# data:  Score2 and Score3
# t = -2.5857, df = 14.184, p-value = 0.0214
# alternative hypothesis: true difference in means is not equal to 0
# 95 percent confidence interval:
#  -9.5080934 -0.8919066
# sample estimates:
# mean of x mean of y 
#       9.6      14.8 

我们可以看到这两个分数在大约 98% 的水平上是不同的。