利用R进行方差分析和贝叶斯方差分析

overview

本文将开一个新坑，用于介绍如何用R完成一般线性模型(ANOVA) 以及 混合线性模型(lined mixed model，LMM) 等主流或者非主流的方法，由于内容较多而自己的时间与精力有限，整个写作不会一蹴而就。更有可能是 写新内容 - 删改 - 写新内容 - 删改 …… 如此反复。希望对该主题感兴趣的读者可以先增加收藏，随时观看是否有更新。

目前的计划是先随心所欲地写，而不是考虑内容的系统性。目前市面上关于该主题的内容五花八门，人们更需要甄别有效信息的能力。于我而言，我预期先搜寻出自认为有效、可靠的方法，将其放置在该处，等后期内容足够时，再思考如何系统性地组织内容。我相信只有积累一定的素材后才能真正理解整个领域。所以在此之前，信息的繁杂和冗余性也可能会劝退一部分读者，对此十分抱歉！

事实上，目前市面上已有较多可以用于该主题的工具，如最流行的JASP软件，由于它的简易性和开放性，目前已成为心理学研究中的主流。对我自己而言，在某些事件上为了图方便，或是为了保证与前人研究的一致性，也会偷懒使用JASP完成统计分析。

我自己的背景是心理学博士在读，因此所有的数据分析取向都是基于心理学的实验设计，这基本上都是基于单变量或多变量(很少超过4因素)的数据分析，而在该领域中，又通常会考虑被试(人)本身的变异性与刺激材料对研究结果的变异性。

afex(analysis of factorial experiments)包

该 packages 主要用于分析因子型实验，包括方差分析和混合模型等，里面提供了诸如aov_ez(), aov_car(), aov_4()等函数用于分析组间、组内和混合设计的方差分析，数据是采用长数据格式(long format)，它能够自动整合被试、条件处理下的多个观测值。mixed()函数能够调用lme4::lmer函数的混合模型，并且计算所有固定效应中的p值，还能够采用不同Kenward-Roger或者Satterthwaite估计的方法调整自由度。 afex_plot() provides a high-level interface for interaction or one-way plots using ggplot2, combining raw data and model estimates. afex uses type 3 sums of squares as default (imitating commercial statistical software)

anova_car 函数还要求输入提供了误差项的输入(组内变量)。

aov_car(formula, 
 data, 
 fun_aggretate = NULL,
 type= afex_options("type"),
 factorize = afex_options