r - 使用回归模型（LM，LMER）重复测量方差分析

Question

我想使用回归模型而不是“方差分析”（AOV）函数在 R 中运行重复测量方差分析。

这是我的 3 个主体内因素的 AOV 代码示例：

m.aov<-aov(measure~(task*region*actiontype) + Error(subject/(task*region*actiontype)),data)  

有人可以给我使用回归模型运行相同分析的确切语法吗？我想确保尊重残差的独立性，即使用与 AOV 一样的特定误差术语。

在上一篇文章中，我阅读了以下类型的答案：

lmer(DV ~ 1 + IV1*IV2*IV3 + (IV1*IV2*IV3|Subject), dataset))

我真的不确定这个解决方案，因为它仍然将变量视为受试者之间的变量，而且我不明白添加随机因素会如何改变这一点。

有人知道如何在考虑剩余独立性的情况下使用 lm/lmer 运行重复测量方差分析吗？

非常感谢，索伦

Answer 1

如果你的 aov 例子是正确的（也许你不想嵌套东西）你想要这个：

lmer(measure~(task*region*actiontype) + 1(1|subject/(task:region:actiontype))

如果剩余独立性意味着独立计算截距和斜率，则需要分别指定它们：

+(1|yourfactors)+(0+variable|yourfactors)

或使用符号：

+(1||yourfactors)

无论如何，如果您阅读帮助文件，您会发现 lme4 无法处理最常见的问题。