我正在寻找一种方法来“阻止”t检验，这将允许我使用每个主题的三个测量值，而不仅仅是对它们进行平均。有没有办法阻止R中的t检验？
问题是这样的：我的测量方法（本质上）有很大的误差，所以我测量了相同的主题三次以解释该错误（技术三重复）。我通常会阻止我的方差分析，或将主题和技术重复视为线性混合效应模型中的随机效应，以便考虑我的测量的性质。然而，在这种情况下，我只在我的组中有治疗（每位受试者5个受试者，3个测量值= 15）和对照组（7 * 3 = 21），所以t检验会更充分，但是我不能找到一种方法来“阻止”一个t检验。配对t检验不适用，因为治疗不适用于相同的受试者（不可能），并且正常的t检验不考虑重复内的错误。 R中有这样一个功能吗？
t检验只是方差分析的一个特例。取数据，你会经常做一个t检验，而不是做方差分析（2组，单向），你会发现p值是完全一样的（如果t检验是2尾）和F统计量ANOVA是来自t检验的t统计量的平方（如果进行汇总t检验，则近似相等，如果使用近似t检验则完全相等）。因此，“阻止”一个t检验实际上只是做一个阻塞的方差分析。
如果你不想假设等方差（混合t检验），那么你仍然可以做混合效应模型而不是方差分析，只考虑混合效应模型中的不等方差。
谢谢！你是绝对正确的。我去做。 （对不起，没有提高你的答案，我没有足够的声望来这样做） – Carlos
虽然我不确定我们想做'阻塞'。主题效应实际上是在这个问题中有趣的，因为主题变化是我们想要用来测试治疗效果的。如果我们根据主题进行固定效果'阻挡'，那么我们会失去所有这些信息。老实说，我认为我们*需要*让主题产生随机效应。由于设计在主题中具有相同数量的代表，因此可以通过在主题内平均去除复制来获得相同的处理效果分析。 – Dason
我认为你是对的。由于方差分析是一种没有随机效应的LME，我认为这同样有效。我正计划运行一个LME模型y〜treatment + 1 | repetition + 1 | subject，并将其与y〜1 + 1 | repetition + 1 | subject的无效假设进行比较;因为我认为这是最有效的做法。 虽然我不太确定在主题中的平均水平，但我从未成为平均的粉丝，特别是线性模型。我对此没有任何争论，但是_intuition_（我不能在混合效应模型中做适当的数学，我是一名生物学家） – Carlos
如何对受试者的平均值进行t检验？ – Dason
问题在于它掩盖了变化，例如s1 =（200,200,200）和s2 =（0,600,0）看起来是相同的，尽管后者可能是一个人为因素，而且错误会被人为地降低（对于这种情况实际上为零）假阳性。我的测量结果有很大的变化，所以我会和格雷格的答案一起去。谢谢！ – Carlos
但是，如果您有兴趣测试治疗和控制之间的差异，那么它就是相同的事情。如果你有一个平衡的设计（每个科目的测量数量相同），那么对受试者内部的反应进行平均并进行t检验会得到与为受试者拟合随机效应和进行治疗测试相同的结果。如果你在受试者中平均分，但是你不需要那些测试，你肯定没有得到对象内变异的估计。 – Dason