双向方差分析是否合适？

这是我的研究的描述。我正在试验三种植物：A，B和C。这些植物被认为可以降低糖尿病患者的血糖。我想确定这三种植物中的哪一种对小鼠单次给药后对降低血糖的影响更长。这是通过在7个时间点（第1、2、3、5、7、10和14天）测量小鼠的血糖来完成的。因此，有4组（未处理，A处理，B处理和C处理）。对于每组，使用3只小鼠（n ＝ 3）。我的目标是：

1. 为了确定每种植物处理的效果与未处理相比是否显着。
2. 比较各组之间每天的效果。
3. 为了确定哪个治疗组在14天后效果最长。

我的解决方案是使用双向ANOVA，因为有两个以上的组，并且我想每天比较各组，最后比较总体效果。

这是正确的方法吗？我能否排名第二和第三最好的工厂？还是应该使用时间序列分析？

在七个不同的时间点对每只鼠标进行采样。这些是重复测量，并且这些重复测量之间缺乏独立性违反了标准双向ANOVA的假设。另外，从一开始，各个小鼠之间就可能存在差异，因此考虑这些个体差异可能是一个好主意。

如果所有小鼠的反应都非常相似，并且时间本身对血糖水平的影响不大，则可以通过双向方差分析进行分析，但我宁愿重复测量方差分析，或更普遍地讲混合模型回归方法。

但是，大多数（好的）统计软件包都提供了拟合双向ANOVA的可能性，但并非几乎所有软件包都具有拟合混合模型的功能。您没有提及您可以访问的软件，但这也可能是一个限制因素。

您的样本量很小，因此您可能会遇到各种不符合假设的小问题，但是请尝试.....

2次重复测量方差分析，组作为受试者间IV，时间作为受试者内IV。确保包括交互作用。您可能会遇到球形度问题（可能是测试）

注射何时进行？如果是在第1天之后，则我更希望通过将第1天作为协变量来进行2次重复测量。

事后比较每个小组和时间并不是很实际。如果分析意义重大，我将使用并排箱形图对数据进行绘制，并根据您的视觉观察得出结论。但是，无论时间如何，对每个组进行比较都不应该太困难。

在＃3中，您说的时候就像只对第14天感兴趣。您可以摆脱1到14之间的所有日子，并使分析变得更加简单。但是我想这不是你想要做的