Двусторонние повторяющиеся измерения ANOVA: ошибка в lm.fit () ... 0 не-n случаев (rstatix) - PullRequest
Новая
       5

Двусторонние повторяющиеся измерения ANOVA: ошибка в lm.fit () ... 0 не-n случаев (rstatix)

1 голос
/ 19 февраля 2020

Я пытаюсь запустить ANOVA двусторонних повторных измерений с использованием пакета R Statix ​​на основе описания здесь , однако я сталкиваюсь с предметной ошибкой с моим набором данных. Данные состоят из 10 повторных измерений биомассы, зарегистрированных в каждом из 8 мест в течение 5 месяцев (10 повторов × 8 мест × 5 месяцев = 400 наблюдений). 

head(biomass)

dataset

Однако, когда я запускаю это: 

library(rstatix)

res.aov <- anova_test(
  data = biomass, dv = Biomass, wid = ID,
  within = c(Location, SampleMonth)
)

Я получаю ошибку: 

Error in lm.fit(x, y, offset = offset, singular.ok = singular.ok, ...) : 0 (non-NA) cases

Я посмотрел похожие посты здесь и здесь , которые, кажется, указывают на то, что ошибка вызвана NA в lm.

Основываясь на первом посте выше, я попытался запустить: 

lm(Biomass~Location:SampleMonth, data =biomass)

и заметил, что одно значение Location: SampleMonth показывает коэффициент NA (LocationMPE: SampleMonth10). Однако если я удалю все данные из этого местоположения и попытаюсь снова, все, что произойдет, это то, что другой коэффициент Location: SampleMonth станет NA. Похоже, что это происходит с любой комбинацией (даже с 2) местоположениями.

Я что-то не так делаю?

Ниже приведена dput () всего моего набора данных: 

biomass <- structure(list(ID = structure(1:400, .Label = c("1", "2", "3", 
    "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15", 
    "16", "17", "18", "19", "20", "21", "22", "23", "24", "25", "26", 
    "27", "28", "29", "30", "31", "32", "33", "34", "35", "36", "37", 
    "38", "39", "40", "41", "42", "43", "44", "45", "46", "47", "48", 
    "49", "50", "51", "52", "53", "54", "55", "56", "57", "58", "59", 
    "60", "61", "62", "63", "64", "65", "66", "67", "68", "69", "70", 
    "71", "72", "73", "74", "75", "76", "77", "78", "79", "80", "81", 
    "82", "83", "84", "85", "86", "87", "88", "89", "90", "91", "92", 
    "93", "94", "95", "96", "97", "98", "99", "100", "101", "102", 
    "103", "104", "105", "106", "107", "108", "109", "110", "111", 
    "112", "113", "114", "115", "116", "117", "118", "119", "120", 
    "121", "122", "123", "124", "125", "126", "127", "128", "129", 
    "130", "131", "132", "133", "134", "135", "136", "137", "138", 
    "139", "140", "141", "142", "143", "144", "145", "146", "147", 
    "148", "149", "150", "151", "152", "153", "154", "155", "156", 
    "157", "158", "159", "160", "161", "162", "163", "164", "165", 
    "166", "167", "168", "169", "170", "171", "172", "173", "174", 
    "175", "176", "177", "178", "179", "180", "181", "182", "183", 
    "184", "185", "186", "187", "188", "189", "190", "191", "192", 
    "193", "194", "195", "196", "197", "198", "199", "200", "201", 
    "202", "203", "204", "205", "206", "207", "208", "209", "210", 
    "211", "212", "213", "214", "215", "216", "217", "218", "219", 
    "220", "221", "222", "223", "224", "225", "226", "227", "228", 
    "229", "230", "231", "232", "233", "234", "235", "236", "237", 
    "238", "239", "240", "241", "242", "243", "244", "245", "246", 
    "247", "248", "249", "250", "251", "252", "253", "254", "255", 
    "256", "257", "258", "259", "260", "261", "262", "263", "264", 
    "265", "266", "267", "268", "269", "270", "271", "272", "273", 
    "274", "275", "276", "277", "278", "279", "280", "281", "282", 
    "283", "284", "285", "286", "287", "288", "289", "290", "291", 
    "292", "293", "294", "295", "296", "297", "298", "299", "300", 
    "301", "302", "303", "304", "305", "306", "307", "308", "309", 
    "310", "311", "312", "313", "314", "315", "316", "317", "318", 
    "319", "320", "321", "322", "323", "324", "325", "326", "327", 
    "328", "329", "330", "331", "332", "333", "334", "335", "336", 
    "337", "338", "339", "340", "341", "342", "343", "344", "345", 
    "346", "347", "348", "349", "350", "351", "352", "353", "354", 
    "355", "356", "357", "358", "359", "360", "361", "362", "363", 
    "364", "365", "366", "367", "368", "369", "370", "371", "372", 
    "373", "374", "375", "376", "377", "378", "379", "380", "381", 
    "382", "383", "384", "385", "386", "387", "388", "389", "390", 
    "391", "392", "393", "394", "395", "396", "397", "398", "399", 
    "400"), class = "factor"), Location = structure(c(6L, 7L, 5L, 
    8L, 6L, 6L, 8L, 5L, 3L, 8L, 7L, 7L, 8L, 6L, 8L, 1L, 8L, 4L, 8L, 
    8L, 1L, 3L, 6L, 3L, 7L, 3L, 2L, 8L, 6L, 6L, 4L, 3L, 4L, 3L, 6L, 
    2L, 2L, 3L, 3L, 7L, 2L, 1L, 4L, 7L, 8L, 6L, 4L, 8L, 7L, 4L, 4L, 
    8L, 3L, 5L, 4L, 8L, 5L, 4L, 8L, 3L, 3L, 2L, 7L, 2L, 7L, 4L, 5L, 
    3L, 2L, 8L, 4L, 4L, 5L, 1L, 4L, 7L, 7L, 6L, 2L, 7L, 3L, 3L, 4L, 
    5L, 7L, 4L, 4L, 1L, 6L, 1L, 3L, 1L, 1L, 1L, 2L, 6L, 1L, 8L, 2L, 
    5L, 6L, 5L, 3L, 4L, 4L, 8L, 1L, 1L, 8L, 1L, 5L, 5L, 8L, 8L, 8L, 
    6L, 8L, 7L, 8L, 7L, 3L, 5L, 4L, 7L, 5L, 4L, 5L, 1L, 5L, 1L, 6L, 
    2L, 8L, 4L, 5L, 4L, 3L, 7L, 8L, 4L, 7L, 7L, 6L, 2L, 2L, 5L, 8L, 
    5L, 1L, 2L, 7L, 8L, 7L, 8L, 8L, 1L, 4L, 6L, 4L, 2L, 1L, 7L, 2L, 
    8L, 5L, 6L, 1L, 4L, 1L, 8L, 1L, 7L, 3L, 1L, 2L, 2L, 2L, 1L, 6L, 
    5L, 2L, 3L, 1L, 5L, 4L, 4L, 4L, 2L, 1L, 5L, 7L, 3L, 7L, 5L, 8L, 
    8L, 7L, 2L, 1L, 3L, 5L, 1L, 2L, 3L, 8L, 2L, 1L, 3L, 7L, 7L, 7L, 
    7L, 1L, 2L, 4L, 7L, 3L, 8L, 4L, 7L, 2L, 7L, 1L, 8L, 5L, 4L, 7L, 
    6L, 8L, 5L, 5L, 3L, 5L, 3L, 1L, 6L, 4L, 6L, 8L, 7L, 6L, 1L, 4L, 
    7L, 1L, 2L, 3L, 2L, 1L, 2L, 2L, 6L, 2L, 3L, 2L, 7L, 5L, 4L, 3L, 
    3L, 2L, 1L, 1L, 2L, 8L, 6L, 1L, 1L, 7L, 4L, 5L, 5L, 5L, 7L, 6L, 
    5L, 8L, 3L, 7L, 5L, 5L, 2L, 1L, 6L, 3L, 6L, 1L, 4L, 2L, 8L, 1L, 
    2L, 7L, 7L, 6L, 5L, 2L, 7L, 4L, 7L, 4L, 5L, 5L, 5L, 6L, 5L, 3L, 
    1L, 8L, 4L, 1L, 5L, 2L, 4L, 6L, 3L, 3L, 4L, 2L, 5L, 7L, 8L, 5L, 
    6L, 1L, 8L, 2L, 1L, 7L, 1L, 5L, 4L, 1L, 6L, 6L, 3L, 3L, 4L, 3L, 
    2L, 8L, 5L, 2L, 3L, 6L, 6L, 5L, 2L, 5L, 7L, 6L, 6L, 3L, 8L, 6L, 
    7L, 3L, 4L, 2L, 2L, 6L, 5L, 4L, 3L, 3L, 1L, 6L, 1L, 4L, 6L, 2L, 
    6L, 4L, 6L, 2L, 7L, 8L, 5L, 4L, 3L, 5L, 1L, 2L, 3L, 6L, 2L, 3L, 
    8L, 7L, 6L, 3L, 8L, 6L, 3L, 8L, 6L, 6L, 3L, 4L, 6L), .Label = c("BR", 
    "HBY", "MBB", "MCB", "MEB", "MEL", "MPD", "MPE"), class = "factor"), 
        SampleMonth = structure(c(1L, 1L, 5L, 3L, 2L, 1L, 1L, 4L, 
        2L, 4L, 4L, 2L, 4L, 1L, 5L, 3L, 2L, 1L, 3L, 2L, 1L, 1L, 1L, 
        1L, 1L, 1L, 1L, 3L, 5L, 3L, 1L, 1L, 1L, 3L, 3L, 1L, 1L, 1L, 
        1L, 3L, 1L, 1L, 1L, 2L, 1L, 1L, 4L, 3L, 1L, 5L, 3L, 4L, 5L, 
        1L, 5L, 5L, 1L, 5L, 5L, 5L, 3L, 1L, 1L, 1L, 1L, 1L, 5L, 4L, 
        1L, 1L, 1L, 1L, 1L, 1L, 1L, 5L, 1L, 1L, 1L, 1L, 1L, 5L, 4L, 
        3L, 1L, 5L, 2L, 5L, 2L, 1L, 3L, 1L, 1L, 1L, 3L, 2L, 5L, 1L, 
        1L, 2L, 1L, 3L, 1L, 1L, 4L, 4L, 5L, 1L, 5L, 3L, 5L, 1L, 1L, 
        3L, 4L, 2L, 1L, 4L, 2L, 4L, 1L, 1L, 2L, 5L, 4L, 1L, 2L, 2L, 
        1L, 3L, 1L, 1L, 5L, 2L, 4L, 5L, 1L, 1L, 5L, 3L, 2L, 1L, 2L, 
        4L, 3L, 5L, 1L, 1L, 3L, 5L, 2L, 5L, 3L, 4L, 1L, 2L, 4L, 4L, 
        5L, 5L, 5L, 5L, 3L, 1L, 4L, 2L, 2L, 3L, 2L, 1L, 4L, 2L, 5L, 
        4L, 4L, 2L, 2L, 5L, 1L, 2L, 2L, 2L, 4L, 4L, 2L, 2L, 3L, 5L, 
        4L, 3L, 2L, 3L, 4L, 2L, 4L, 5L, 5L, 5L, 1L, 3L, 3L, 3L, 3L, 
        4L, 3L, 2L, 1L, 2L, 3L, 3L, 4L, 4L, 4L, 2L, 2L, 4L, 4L, 3L, 
        2L, 4L, 4L, 5L, 3L, 2L, 1L, 3L, 4L, 5L, 5L, 1L, 1L, 4L, 2L, 
        5L, 4L, 2L, 3L, 1L, 2L, 3L, 3L, 2L, 4L, 3L, 3L, 5L, 2L, 4L, 
        3L, 3L, 5L, 4L, 4L, 2L, 2L, 2L, 5L, 5L, 5L, 2L, 2L, 3L, 2L, 
        4L, 4L, 5L, 4L, 5L, 5L, 4L, 4L, 3L, 4L, 5L, 3L, 2L, 5L, 4L, 
        5L, 5L, 3L, 3L, 5L, 3L, 4L, 2L, 2L, 2L, 2L, 2L, 5L, 5L, 2L, 
        5L, 5L, 2L, 3L, 4L, 5L, 2L, 4L, 5L, 2L, 2L, 3L, 3L, 4L, 4L, 
        2L, 3L, 2L, 3L, 3L, 3L, 5L, 4L, 3L, 3L, 4L, 4L, 3L, 2L, 2L, 
        3L, 4L, 2L, 5L, 2L, 2L, 3L, 5L, 2L, 2L, 3L, 2L, 4L, 3L, 5L, 
        2L, 2L, 4L, 3L, 5L, 5L, 4L, 3L, 3L, 2L, 4L, 3L, 5L, 4L, 3L, 
        2L, 2L, 3L, 2L, 2L, 3L, 4L, 5L, 5L, 5L, 5L, 2L, 5L, 5L, 4L, 
        4L, 4L, 5L, 4L, 4L, 4L, 3L, 5L, 3L, 5L, 4L, 5L, 4L, 5L, 4L, 
        3L, 4L, 4L, 3L, 3L, 3L, 5L, 5L, 3L, 5L, 2L, 4L, 3L, 4L, 4L, 
        3L, 4L), .Label = c("06", "07", "08", "09", "10"), class = "factor"), 
        Biomass = c(0.1, 0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
        0, 0, 0, 0, 0, 9.99, 19.99, 36.99, 39.99, 50, 50, 51, 60, 
        60, 69.99, 80, 81, 84, 86.99, 89.99, 100, 100, 100, 100.99, 
        117, 119.99, 119.99, 119.99, 125, 129.99, 130, 139.99, 140, 
        150, 150, 152.99, 159.99, 169.99, 170, 179.99, 184.99, 189.99, 
        189.99, 192.99, 199.99, 199.99, 210, 219.99, 219.99, 230, 
        230, 235, 248, 250, 269.99, 269.99, 269.99, 276, 279.99, 
        280, 282, 289.99, 289.99, 300, 300, 300, 304, 310, 310, 319.99, 
        319.99, 326, 329.99, 330, 335.99, 339.99, 339.99, 340, 350, 
        350, 360, 362, 369.99, 369.99, 369.99, 375, 379.99, 380, 
        383, 384, 390, 390, 399.99, 400, 419.99, 420, 423.99, 429.99, 
        430, 430, 430, 435.99, 440, 450, 459.99, 459.99, 465, 469.99, 
        479.99, 480, 480, 482, 484, 490, 490, 499.99, 500, 509.99, 
        519.99, 529.99, 530, 544.99, 556.99, 559.99, 560, 569.99, 
        569.99, 573, 579, 590, 590, 597, 609.99, 609.99, 609.99, 
        610, 610, 630, 630, 640, 650, 659.99, 659.99, 659.99, 667, 
        670, 680, 680, 680, 690, 700, 702, 709.99, 709.99, 709.99, 
        719.99, 719.99, 729.99, 730, 739.99, 740, 744, 745.99, 749.99, 
        750, 752, 756.99, 758, 759.99, 759.99, 760, 769.99, 769.99, 
        769.99, 780, 789.99, 789.99, 789.99, 790, 794, 809.99, 810, 
        810, 810, 819.99, 829.99, 829.99, 830, 840, 840, 850, 869, 
        870, 870, 880, 880, 890, 890, 890, 898.99, 900, 900, 909.99, 
        910, 919.99, 920, 930, 939.99, 940, 949.99, 950, 950, 959.99, 
        960, 970, 979.99, 979.99, 980, 980.99, 989.99, 990, 997.99, 
        1000, 1019.99, 1020, 1020, 1029.99, 1030, 1030, 1040, 1049.99, 
        1050, 1050, 1059.99, 1069.99, 1080, 1100, 1100, 1120, 1130, 
        1130.99, 1139.99, 1153, 1158, 1170, 1170, 1177, 1180, 1180, 
        1180, 1180, 1189.99, 1190, 1200, 1219.99, 1220, 1240, 1259.99, 
        1259.99, 1279, 1279.99, 1280.99, 1300, 1309.99, 1310, 1316, 
        1320, 1330, 1339.99, 1339.99, 1340, 1345, 1359.99, 1360, 
        1369, 1370, 1379.99, 1400, 1410, 1420, 1429.99, 1430.99, 
        1440, 1440, 1449, 1450, 1459.99, 1468.99, 1470, 1474, 1479.99, 
        1490, 1490, 1490, 1499.99, 1510, 1520, 1529.99, 1540, 1560, 
        1560, 1570, 1570, 1579.99, 1580, 1580, 1590, 1590, 1594, 
        1620, 1630, 1630, 1639.99, 1650, 1650, 1680, 1715, 1719.99, 
        1720, 1729.99, 1733, 1770, 1779.99, 1808, 1819.99, 1837, 
        1840, 1860, 1900, 1909.99, 1910, 1929.99, 1940, 1954, 2020, 
        2040, 2050, 2069.99, 2090, 2100, 2102.99, 2159.99, 2179.99, 
        2249.99, 2279.99, 2289.99, 2290, 2334, 2366, 2380, 2399.99, 
        2400, 2420, 2450, 2500, 2520, 2550, 2589.99, 2589.99, 2599.99, 
        2600, 2620, 2660, 2713, 2739.99, 2830, 2920, 2959.99, 3010, 
        3029.99, 3129.99, 3150, 3190, 3250, 3310, 3440, 3490, 3650, 
        3740, 3809.99, 3850, 3920, 5799.99, 5898.72, 6680, 6970)), class = c("spec_tbl_df", 
    "tbl_df", "tbl", "data.frame"), row.names = c(NA, -400L))

1 Ответ

2 голосов
/ 20 февраля 2020

Прежде всего, для lm вы получаете NA, потому что вы не указали основной термин: 

fit = lm(Biomass ~ SampleMonth*Location,data=biomass)
table(is.na(coefficients(fit)))

FALSE 
   40

Когда вы делаете двустороннюю повторную анову, у вас есть эксперимент или исследование, которое является повторное измерение, что-то вроде многих пациентов, проходящих лечение в течение определенного периода времени и т. д. 1011 *. В вашем случае, если нет «повторного измерения» или обычных людей, которые проходили такое же лечение, вы можете использовать обычную анову.

Если вас интересуют эффекты в периоде времени и местах: 

anova_test(Biomass ~ SampleMonth+Location,data=biomass)
Coefficient covariances computed by hccm()
ANOVA Table (type II tests)

       Effect DFn DFd      F        p p<.05   ges
1 SampleMonth   4 388 18.712 4.45e-14     * 0.162
2    Location   7 388  2.969 5.00e-03     * 0.051

Выше принимается общее среднее значение (или эффект) для каждого месяца или каждого местоположения. У вас может быть более сложная модель, которая проверяет, есть ли различия в эффекте Месяца в разных местах: 

anova_test(Biomass ~ SampleMonth*Location,data=biomass)
Coefficient covariances computed by hccm()
ANOVA Table (type II tests)

                Effect DFn DFd      F        p p<.05   ges
1          SampleMonth   4 360 19.507 1.53e-14     * 0.178
2             Location   7 360  3.095 4.00e-03     * 0.057
3 SampleMonth:Location  28 360  1.588 3.20e-02     * 0.110
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.

Похожие темы

...