Medidas repetidas

Gerardo Martín

2/4/2021

Diferencias con split-plot

  1. Diferencias con Split-plot

    1.1 Split-plot - Anidamiento espacial

    1.2 Medidas repetidas - Anidamiento temporal

  2. Experimentos de medidas repetidas suelen ser largos

  3. Split-plot - se pueden reconfigurar como estudio aleatorizado

  4. Medidas repetidas

    4.1. Sólo reconfigura si repetición es por diferentes tratamientos

Ejemplos

Split-plot

Estudio split-plot con anidamiento espacial

Estudio split-plot con anidamiento espacial

Ejemplos

Medidas repetidas

Estudio de medidas repetidas con anidamiento temporal

Estudio de medidas repetidas con anidamiento temporal

Consecuencias para análisis

  • Medidas repetidas

    - Estrictamente anidado
    
          -Hay excepciones
    
    - Especificación de modelo: `y ~ x1/x2/x3 + Error(bloque/x1/x2/x3)`
  • Split-plot

    - Parcialmente anidado
    
    - Especificación de modelo: `y ~ x1 * x2 * x3 + Error(bloque/x1/x2/x3)`

Análisis de weightloss

Weightloss

  1. Medición de pérdida de peso

    1.1. Tratamientos de dieta y ejercicio

    1.2. Controles - no dieta y no ejercicio

    1.3. Mediciones repetidas en tiempo

    1.4. Todos los participantes recibieron ambos tratamientos y combinaciones

Esquema

Esquema del diseño experimental, es similar a `selfesteem2` pero es un diseño de tres vías.

Esquema del diseño experimental, es similar a selfesteem2 pero es un diseño de tres vías.

Estructura de anidación

  1. Dieta, ejercicio y tiempo están anidados en cada individuo

  2. Tiempo está anidado en dieta y ejercicio

  3. Dieta y ejercicios no están anidados uno en el otro

Efectos fijos:

(diet/time) * (exercises/time)

Efectos aleatorios-hay dos porque dieta y ejercicio está anidados por separado (hay que usar lmer, a fuerzas):

(1|id/exercises/time) + (1/id/diet/time)

El modelo

m1 <- lmer(loss ~ (diet/time) * (exercises/time) + (1|id/diet/time) +
              (1|id/exercises/time), weight.l)
car::Anova(m1, type = 2)
## Analysis of Deviance Table (Type II Wald chisquare tests)
## 
## Response: loss
##                       Chisq Df Pr(>Chisq)    
## diet                 3.8386  1   0.050084 .  
## exercises           57.7056  1  3.044e-14 ***
## diet:time           16.3951  4   0.002532 ** 
## time:exercises      54.6810  2  1.337e-12 ***
## diet:exercises      31.9010  1  1.622e-08 ***
## diet:time:exercises 29.3945  2  4.141e-07 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Pruebas de hipótesis

  1. Por su significancia, nos interesa:

    1.1. diet:time:exercises - efecto de dieta y ejercicio depende de que estén juntos

         1.1.1. Dieta, ejercicio y tiempo sí afectan pérdida

    1.2. Tenemos que analizar los coeficientes para revisar si hubo mayor pérdida en la interacción con summary(m1) - sí los hubo

         1.2.1. Ejercicio + Dieta  + Tiempo = mayor pérdida

Regresar al índice del curso