################################################################################
#
# Beispiel: Wirksamkeit einer Blutdrucktherapie
#
# Vorlesung Lineare Modelle (Helmut Küchenhoff) 2.6.2015
# Thema: Stetige Einflussgrößen 
#
# data: Daten von 44 Patienten, denen randomisiert eine Blutdrucktherapie 
#       zugeordnet wurde
#       file: blutdruck.sav (http://www.statistik.lmu.de/~abender/daten/Blutdruck.sav) 
#
# contents: (1) Einlesen der Daten
#		        (2) Modellbildung
#
# last.modified: AB 03.06.2015
#
################################################################################
 
#### (1) Einlesen der Daten ####################################################
library(foreign)
blutdruck <- read.spss('Blutdruck.sav', 
  use.value.labels=TRUE, max.value.labels=Inf, to.data.frame=TRUE)

show(blutdruck)
#### (2) Modellbildung #########################################################
library(car)
library(effects)
library(lattice)
## umbenennung der Levels
levels(blutdruck$Gruppe)<-c("K1","K2","E2S","E3S")
### (a) einfaches Modell mit Haupteffekten
lm1 <- lm(Ende ~ Gruppe + Anfang , data=blutdruck)
summary(lm1)
Anova(lm1)
# Darstellung der Effekt
plot(allEffects(lm1), ask=FALSE)
dev.off()
### (b) Modell mit Haupteffekten und Interaktion

LinearModel.2 <- lm(Ende ~ Gruppe + Anfang + Gruppe*Anfang , data=blutdruck)
summary(LinearModel.2)
Anova(LinearModel.2)
# Darstellung der Effekte
plot(allEffects(LinearModel.2), ask=FALSE)

summary(lm1)
Anova(lm1)
Vergleiche aller Gruppen  
library(multcomp)
erg1<-glht(lm1,linfct=mcp(Gruppe="Tukey"))
summary(erg1)
confint(erg1)
erg1$linfct
plot(erg1)
erg2<-glht(lm1,linfct=mcp(Gruppe=c("K2 - E2S = 0", 
                                   "K1 - E2S = 0",
                                   "K2 - E3S = 0", 
                                   "K1 - E3S = 0")))

summary(erg2)
plot(erg2)
# Pruefung auf alle Koeffizienten 
erg3 <- glht(lm1)
summary(erg3)
plot(erg3)

### Zusätzliche Anlaysen 

### (c) Differenzen-Modell mit Haupteffekten

LinearModel.3 <- lm(Differenz ~ Gruppe + Anfang, data=blutdruck)
summary(LinearModel.3)

# Zur Illustration nur Differenz 
LinearModel.4 <- lm(Differenz ~ Gruppe, data=blutdruck)
summary(LinearModel.4)
Anova(LinearModel.4)

# -> Wegen Randomisierung bleibt der Effekt