คำถามง่ายๆที่ฉันหวัง
ฉันมีการออกแบบการทดลองโดยวัดการตอบสนองบางอย่าง (เช่น ความดันโลหิต) จากสองกลุ่ม: กลุ่มควบคุมและกลุ่มที่ได้รับผลกระทบ โดยทั้งสองกลุ่มได้รับการรักษาสามแบบ: t1, t2, t3 ข้อมูลไม่ได้ถูกจับคู่ไม่ว่าในแง่ใดก็ตาม
นี่คือข้อมูลตัวอย่าง:
set.seed(1)
df <- data.frame(response = c(rnorm(5,10,1),rnorm(5,10,1),rnorm(5,10,1),
rnorm(5,7,1),rnorm(5,5,1),rnorm(5,10,1)),
group = as.factor(c(rep("control",15),rep("affected",15))),
treatment = as.factor(rep(c(rep("t1",5),rep("t2",5),rep("t3",5)),2)))
สิ่งที่ฉันสนใจคือการหาปริมาณผลกระทบที่การรักษาแต่ละครั้งมีต่อกลุ่มที่ได้รับผลกระทบโดยสัมพันธ์กับกลุ่มควบคุม ฉันจะสร้างโมเดลนี้ได้อย่างไร พูดโดยใช้โมเดลเชิงเส้น (เช่น lm ใน R)
ฉันผิดหรือเปล่าที่คิดแบบนั้น:
lm(response ~ 0 + treatment * group, data = df)
ซึ่งเทียบเท่ากับ:
lm(response ~ 0 + treatment + group + treatment:group, data = df)
ไม่ใช่สิ่งที่ฉันต้องการใช่ไหม? ฉันคิดว่าในรูปแบบนี้ เงื่อนไขปฏิสัมพันธ์ระหว่างการรักษา: กลุ่มสัมพันธ์กับค่าเฉลี่ยของการวัดกลุ่มพื้นฐานและการรักษาพื้นฐานทั้งหมด
ฉันจึงคิดว่ารุ่นนี้:
lm(response ~ 0 + treatment:group, data = df)
เป็นสิ่งที่ฉันต้องการ แต่มันกำลังวัดปริมาณการรักษาแต่ละแบบรวมกันและเงื่อนไขปฏิสัมพันธ์ระหว่างกลุ่ม: treatmentt1:groupcontrol treatmentt1:groupaffected treatmentt2:groupcontrol treatmentt2:groupaffected treatmentt3:groupcontrol treatmentt3:groupaffected
บางทีโมเดลนี้:
lm(response ~ 0 + treatment + treatment:group, data = df)
อันที่ถูกต้องใช่ไหม?
แม้ว่านอกเหนือจากการระบุปริมาณการรักษาแต่ละแบบรวมกันและเงื่อนไขปฏิสัมพันธ์ที่ได้รับผลกระทบแบบกลุ่มแล้ว ยังเป็นการวัดปริมาณผลของการรักษาแต่ละครั้งด้วย ฉันไม่แน่ใจว่าการเปรียบเทียบแต่ละเงื่อนไขของการรักษาและปฏิสัมพันธ์ที่ได้รับผลกระทบแบบกลุ่มในแบบจำลองนี้ถือเป็นพื้นฐานอะไร
ความช่วยเหลือจะได้รับการชื่นชม
นอกจากนี้ สมมติว่าฉันทำการรักษาครั้งที่สี่ ซึ่งจริงๆ แล้วเป็นการผสมผสานระหว่างการรักษาสองอย่าง เช่น t1+t3 โดยที่ฉันไม่รู้ว่าความคาดหวังของผลรวมของมันคืออะไร: การบวก/การลบ หรือการทำงานร่วมกัน มีวิธีใดบ้างที่สามารถรวมกันได้?