19.RでRepeated Measures ANOVA　反復測定分散分析

EZRでezr-repeated-measures-anova

https://haru-reha.com/ezr-repeated-measures-anova/
EZRで反復測定分散分析（repeated-measures-ANOVA）を行う方法①
2021.12.07

→分かりやすい！

ソースコード

https://colab.research.google.com/drive/1XSBY6hiXNXOWUUmw_X3dSVCqDYwzq_3G?usp=sharing
220323_RepeatedMeasuredANOVA.ipynb

対応のある3群以上の平均値の比較。正規分布に従い、等分散であり、球面性がある？場合のみ、Repeated Measures ANOVA

正規分布に従わないのであれば、ノンパラメトリック検定である、フリードマン検定を行う

http://mizumot.com/handbook/?page_id=422
Rを使った分析（ノンパラメトリック検定）

stack()関数
https://yaginogogo.hatenablog.jp/entry/2016/04/22/011327
Rむけのデータ表を作る
→pivot_longerとの違いは？

正規分布の確認

今回は、HbA1cの経過を時系列変化で有意に下がっているかどうかを検定します。

book2.xlsx

book2.csv

反復測定分散分析はパラメトリック検定

正規分布
等分散性

の確認が必要。

各群が正規分布しているかどうかを、Kolmogorov-Smirnov検定する

library(tidyverse)
d <- tribble(
  ~ID,~age,~sex,~DM,~HbA1c00M,~HbA1c01M,~HbA1c02M,~HbA1c03M,
  1,56,"M",1,7.3,7.4,7.3,7.4,
  2,77,"F",1,8.3,8.4,8.3,8.2,
  3,68,"M",1,7.1,7,7,7,
  4,81,"F",1,7.6,7.4,7.3,7.4,
  5,42,"M",1,10.1,8.4,7.3,6.5,
  6,65,"M",1,6.1,6.2,6.2,6.3,
  7,68,"F",1,7.8,7.4,7.9,8.4
)
d

# データの取り込み
library(tidyverse)
d <- read_csv("book2.csv") 
d

# 正規性の検定 Kolmogorov-Smirnov test
# p>=0.05 であれば、正規分布に従っているとみなすことができる
vx <- d$HbA1c00M
ks.test(x=vx,y="pnorm",mean=mean(vx),sd=sd(vx))

https://data-science.gr.jp/implementation/ist_r_kolmogorov_smirnov_test.html
Rによるコルモゴロフ・スミルノフ検定

モークリーの球面性の検定

Mauchly Tests for Sphericity
等分散性の確認。

https://www.r-bloggers.com/2021/04/repeated-measures-of-anova-in-r-complete-tutorial/
Repeated Measures of ANOVA in R Complete Tutorial
Posted by finnstats

https://yusuke-ujitoko.hatenablog.com/entry/2018/11/29/000314
RでMauchly’s sphericity testを行う
2018-11-29

https://www.datanovia.com/en/lessons/mauchlys-test-of-sphericity-in-r
Mauchly’s Test of Sphericity in R

https://bellcurve.jp/statistics/glossary/2194.html
Mauchlyの球面性検定
Mauchly's sphericity test

ソースコード

# 0Mから3Mのみでrepeated ANOVA
tidy_d3M <- d %>%
  select(-base6M)
head(tidy_d3M)
dim(tidy_d3M)

tidy_d3M <- d %>%
  filter(type == "male", therapy == 1) %>%
  select(-base6M) %>%
  pivot_longer(
    cols = c(base0M, base1M, base2M, base3M),
    # cols = -c(No, type, therapy),
    names_to = "time",
    values_to = "HbA1c"
  )
head(tidy_d3M)
dim(tidy_d3M)

# 0M-3Mまで一度に計算（Repeated Measured ANOVA）
lm_model <- lm(HbA1c ~ factor(time), data = tidy_d3M)
res <- anova(lm_model)
res

#Repeated Measured ANOVAで、有意差があった場合
#bonferroni法の対応のあるt検定
attach(tidy_d3M)
pairwise.t.test(Ep,factor(time), paired=T, p.adj="bonferroni")
detach()