我被要求分析一项临床试验中的一些数据，该试验寻找两种测量血压的方法。我有来自 50 个受试者的数据，每个受试者使用每种方法进行 2 到 57 个测量。
我想知道如何最好地进行。
显然，我需要一个解决方案来解释血压测量成对的事实（同时测量两种方法）以及随时间变化的协变量（每个患者的观察次数不同）以及解释内部和内部患者变异性。
我正在考虑以某种方式将其固定为重复测量方差分析，但我认为它可能需要一个混合模型方法。
我很感激你能提供任何有用的建议。
我是一个完整的 R 新手，但对发展技能感到非常兴奋，而且我在 Stata 方面有一定的经验，所以总是可以依靠这一点。
我不认为你可以很容易地用 RM-ANOVA 做你想做的事情，因为所有科目的重复次数并不相同。在 R 中运行混合效果模型非常容易。事实上，通过花一点时间来学习基础知识和命令，它将为您打开很多可能性。我还发现混合建模更易于使用且更灵活，几乎不需要直接进行 RM-ANOVA。最后，考虑到使用混合建模，您还可以考虑残差的协方差结构（RM-ANOVA 只是假设对角线结构），这对于许多应用程序可能很重要。
R 中有两个用于线性混合建模的主要包：nlme和lme4. 这些lme4包是更现代的包，它非常适合大型数据集以及处理集群数据的情况。Nlme是较旧的软件包，大多数情况下不赞成使用lme4. 但是，对于重复测量设计，它仍然比lme4只nlme允许您对残差的协方差结构进行建模要好。的基本语法nlme非常简单。例如：
fit.1 <- lme(dv ~ x + t, random=~1|subject, cor=corCompSymm())
在这里，我正在对因变量dv和因子x以及与时间相关的协变量之间的关系进行建模t。Subject是随机效应，我对残差的协方差使用了复合对称结构。现在您可以通过以下方式轻松获得臭名昭著的 p 值：
anova(fit.1)
最后，我建议您使用其权威参考指南， S 和 S-Plus 中的混合效应模型来阅读有关 nlme 的更多信息。初学者的另一个很好的参考是线性混合模型 - 使用统计软件的实用指南，它编译了许多混合建模的不同应用示例，其中包含 R、SAS、SPSS 等中的代码。
如果您正在使用 R 寻找具有混合模型的 RM-ANOVA。您可能需要查看 http://blog.gribblelab.org/2009/03/09/repeated-measures-anova-using-r/ 有很好的例子来演示如何使用混合模型来完成 RM-ANOVA。
根据我的经验，SAS 是处理混合模型的更好工具。如果您使用的是 SAS，您可以查看 SAS 帮助“Proc Mixed”以获得 RM-ANOVA。