一个小问题

shiyiming

在一个线性模型里
Y = treatment + time +treatment*time, where treatment = A, B.
Y 为反复测量值。所以我可以通过规定correlation矩阵来容纳其中关联性所带来的估计偏差。
我的问题和犹疑是：在treatment A里time从0 到100而在B里time仅从0 到50.此时应该用所有的数据还是截取只用time = 50之前的数据？
此模型的目的是用于比较treatment的作用。我的直觉是time 50之后的比较是不可靠的。因为在此段时间（time大于50）里对于Treatment B实际上没有观察值。因此此时的比较对于B来说在使用对B的预期而非实测值。让我觉得麻烦的是，如果使用整个数据，time在50之后展示很强的交叉作用。就好象是，掉到厕所里的包子，在冲掉之前，你却瞥见了里面有亮晶晶的东西。
大家的想法如何？

shiyiming

舍弃吧。

ps：这个比喻真恶心。

shiyiming

不客气。算是大师傅的金婚戒指吧。
我也琢磨把它给搞掉。只是苦于没有理论根据。截取数据，如同对付缺斤少两的屠夫，严肃的人是会有争论的。

shiyiming

Why not try to use ANOVA or GLM? If you only want to compare the effect of treatment, I think Variance Analysis or Covariance Analysis would be appropriate.

shiyiming

有道理。有的人估计，即使是掐头去尾，做两点（基线和截至）比较，数据的效率也可以保存至少80%

shiyiming

好像你的目的是比较因素A和B的对Y的影响大小。
这时候用协方差分析对time有线性校正作用，当然这只限于【1,50】范围的，大于50的无法校正了。

我觉得如果treatment因素影响非常显著的话，多了【50,100】范围的也影响不大，这是可以直接放SAS里面计算的（没有的做vmissing值）。不过可能会让mean偏移和拉大SD的，会降低显著性。

正如：“有的人估计，即使是掐头去尾，做两点（基线和截至）比较，数据的效率也可以保存至少80%”。显著性可能会降低，但是总归是有影响的。

你就“屠夫”，“学究”都当一把，比较下，这些实现起来只不过是一个where语句区别而已。

shiyiming

我啥时候把我的结果贴出来。感谢关注。

shiyiming

认真的看了下主贴，要是我，做法就是先去掉大于50的，然后对0到50进行矫正，最后方差分析。

因为你的模型在【0，50】是有效的，超过了50，虽然表现出交互作用，这个不是比较AB影响的模型里面的。
表现出的交互作用，原因推导下，应该是treatment A在时间分别为【0，50】和【50，100】对response影响差异很大。