成对的重复测量方差分析还是混合模型？

我被要求分析来自临床试验的一些数据，以寻找两种测量血压的方法。我有来自50个主题的数据，每个主题使用每种方法的测量范围介于2到57个之间。

我想知道如何最好地进行。

显然，我需要一个解决方案，该解决方案应考虑以下事实：血压测量值是成对的（两种方法同时测量），还需要时变协变量（每个患者的观察次数不同），以及患者可变性。

我曾想过以某种方式将其纳入重复测量方差分析中，但我想可能需要采用混合模型方法。

我会很感激您能提供的任何有用的建议。

我是R的新手，但是对开发技能感到非常兴奋，并且我在Stata拥有一定的经验，因此可以随时依靠。

我认为您无法轻易地使用RM-ANOVA来完成您想做的事情，因为所有科目的重复次数都不相同。在R中运行混合效果模型非常简单。实际上，通过花费一些时间来学习基础知识和命令，它将为您带来很多可能性。我还发现混合模型使用起来更简单，更灵活，几乎不需要直接进行RM-ANOVA。最后，考虑到使用混合建模，您还可以考虑残差的协方差结构（RM-ANOVA仅假定对角线结构），这对于许多应用程序而言可能很重要。

R：nlme和中有两个用于线性混合建模的主要软件包lme4。lme4软件包是更现代的软件包，非常适合大型数据集，也适合处理集群数据的情况。Nlme是较旧的软件包，大部分已被弃用，以支持lme4。但是，对于重复测量设计，它仍然比lme4仅nlme允许您对残差的协方差结构建模更好。的基本语法nlme非常简单。例如：

fit.1 <- lme(dv ~ x + t, random=~1|subject, cor=corCompSymm())

在这里，我对因变量dv和因子x以及与时间相关的协变量之间的关系进行建模t。Subject是随机效应，我对残差的协方差使用了一种复合对称结构。现在，您可以通过以下方式轻松获得臭名昭著的p值：

anova(fit.1)

最后，我建议您使用它的权威参考指南S和S-Plus中的“混合效果模型”来阅读有关nlme的更多信息。初学者的另一个很好的参考是《线性混合模型》-使用统计软件的实用指南，它使用 R，SAS，SPSS等代码编译了混合建模的不同应用的许多示例。

如果您是通过使用R.寻找RM-ANOVA，利用混合模型，您可能想看看这个 http://blog.gribblelab.org/2009/03/09/repeated-measures-anova-using-r/ 有很好的例子来演示如何使用混合模型来完成RM-ANOVA。

根据我的经验，SAS是处理混合模型的更好工具。如果您使用的是SAS，则可以查看SAS帮助“ Proc Mixed”中的RM-ANOVA。