s********n
发帖数: 80 | 1 一个简单的数据，10个人，每人左右手测握力。然后估计是不是左右手的握力会不同。
握力 ~ 人 + 手 + error
model 1 把人当fixed effect，算出手的estimate， p value.
model 2 把人当random effect，算手的estimate, p value.
两种方法算出来的手的estimate 和 p value都是一样的（R的默认条件）。感觉上应该
不一样啊，总觉得至少会影响p value. |
b*****s
发帖数: 11267 | 2 每个人repeat 几次？
【在 s********n 的大作中提到】
: 一个简单的数据，10个人，每人左右手测握力。然后估计是不是左右手的握力会不同。
: 握力 ~ 人 + 手 + error
: model 1 把人当fixed effect，算出手的estimate， p value.
: model 2 把人当random effect，算手的estimate, p value.
: 两种方法算出来的手的estimate 和 p value都是一样的（R的默认条件）。感觉上应该
: 不一样啊，总觉得至少会影响p value.
|
s********n
发帖数: 80 | 3 一人一手一次。10个人，一个20个数据点
【在 b*****s 的大作中提到】
: 每个人repeat 几次？
|
s********n
发帖数: 80 | 4 一人一手一次。10个人，20个数据点。
【在 b*****s 的大作中提到】
: 每个人repeat 几次？
|
f*******r
发帖数: 257 | 5 something is wrong. They should be different.
What's your code?
【在 s********n 的大作中提到】
: 一人一手一次。10个人，20个数据点。
|
y*****w
发帖数: 1350 | 6 You should treat ID as a random effect, because each ID had two measurements
. In R, it's to use the LMER function in the LME4 package for linear mixed
models. I believe you should set something like (1|ID) in your R code to
represent random intercept.
Or, you can treat your experiment as a paired one, and directly run a paired
t-test or one-sample t-test to compare left-hand strength with right-hand
strength. |
b*****s
发帖数: 11267 | 7 maybe u should repeat measure each person each hand
[在 seahearman (听海人) 的大作中提到：]
:一个简单的数据，10个人，每人左右手测握力。然后估计是不是左右手的握力会不同
。握力 ~ 人 + 手 + error
:model 1 把人当fixed effect，算出手的estimate， p value.
:model 2 把人当random effect，算手的estimate, p value.
:两种方法算出来的手的estimate 和 p value都是一样的（R的默认条件）。感觉上应
该不一样啊，总觉得至少会影响p value. |
