« Surf's Up | 最新のページに戻る | コンピュータ世代とネット世代、匿名性うんぬん »
■ 時系列データの解析でのMixed modelの使用
ガヤ、日記でのコメントありがとう。ほんとうにMANOVAでいいのかはよくわからないことだけ付け加えておきます。私が知っているかぎり、被験者をrandom effectにとって時系列の向きをfixed effectにとるmixed modelでやるべきと書いてある本もあります。
…多変量正規分布モデルでは、同一薬剤iを与えられた被験者の観測値は一定の正規分布N(μi,Ω)に従うものと見なされ、薬効は平均ベクトルμiを変化させるものと仮定されている。ところがこの種のデータでは、薬剤が平均ベクトルと同時に分散行列も変化させることが現実によく観察される。そのような状況では、次節の混合モデルの方が合理的である。「実験データの解析 分散分析を越えて」 広津千尋 共立出版 10章 p.311）
私自身はいまだにこのへん理解できてません。いや、fMRI関連で調べたりしたことはあるのですが。
追記：12:40 このことに関してSPSS ときど記(30)に有用な情報があります。
反復測定（測度）(repeated measures)の分散分析はこの２０年に何度も技術革新が起こった分野だ。つまり、私が書いていた自由度の調整->MANOVA->Mixed model、というのはまんま上の(2)->(3)->(4)だったのです。というかこのページ見るのは初めてじゃないんで、たぶん受け売りだったのでしょう。
(1)ランダム効果（乱塊法）の一つの計画である，randomized block design，split-block design として捉えて分析する。これが古典的な反復測度の分散分析の仕方。
(2)自由度を調整して分析。
(3)MANOVAで分析。
(4)SASのproc mixed で分析する。
(5)自分でモデルを組みＳＥＭ（または共分散構造分析）で分析する。