2

有没有办法使用 lme（来自 nlme）或 lmer（来自 lme4）指定一个双向 ANOVA，其中一个主体内预测器和一个主体间预测器？也许这是一个 CrossValidated 问题，但我认为我对随机效应不感兴趣，因为我不关心受试者内部的变化，也不关心对个别受试者做出预测。我对普通受试者感兴趣，所以这应该是受试者内固定效应预测器（即固定数量的级别）和受试者间固定效应预测器。我不想要重复测量方差分析，它有许多假设，包括球形度并且很难做事后处理。以下是我需要的模型类型的一些示例：

  1. 按年龄 + 性别 * 区域预测的体积，其中区域在受试者内
  2. psychiatricGroup * sex * scoreType 预测的分数，其中 scoreType 是受试者内
  3. 由性别 * scoreType * score 预测的量（这可能必须是 score 的随机效应，但 scoreType 必须是固定水平的受试者内）。

（在 JMP 中，可以使用“混合模型”个性、“可交换”重复协方差结构、指定重复的受试者内预测变量和指定受试者来指定前两个。）

使用“ R 中的重复测量/受试者内方差分析”、“使用回归模型（LM、LMER）的重复测量方差分析”和“如何将 Afex 或汽车方差分析模型转换为 lmer？观察变量”问题和第 4 章在 lme4 book中，我创建了以下使用 CO2 示例数据的代码。它不是最好的样本数据集，但假设：“Plant”就像受试者 ID，“Type”和“Treatment”是受试者之间的效果，“conc”是受试者内，它的水平是 NOT ORDERED（即它的分类和性格类型，就像一个人的多个心理评分类型，或者一个人的多个解剖区域一样）。

  1. 使用随机效应对 conc 预测的吸收进行建模的正确代码是什么？
  2. 我将如何模拟 conc * Treatment 预测的吸收？
  3. 可以仅在具有固定效应的 R 中进行此分析吗？
  4. 有没有办法为所有级别的交互（因子内*因子间）运行事后分析并应用多重比较校正（例如 Tukey HSD）？对于此示例，这将是 7 次浓度 * 2 次治疗 = 14 次比较。

下面的代码会产生以下错误：“错误：观察次数 (=84) <= 术语 (conc | Plant) 的随机效应数 (=84)；随机效应参数和残差方差（或尺度参数）可能无法识别”

library(data.table)
library(lme4)
CO2 <- data.table(CO2)
CO2[, (1:4) := lapply(.SD, as.factor), .SDcols=(1:4)]

# uptake predicted by concentration
mylm1 <- lmer(uptake ~ (conc|Plant), data = CO2)

# uptake predicted by concentration*Treatement
mylm2 <- lmer(uptake ~ Treatment*(conc|Plant), data = CO2)

更新 lmer() 的括号指定了哪些度量是随机效应，但您仍然需要指定预测变量。

mylm1 <- lmer(uptake ~ conc + (1|Plant), data = CO2)
mylm2 <- lmer(uptake ~ Treatment*conc + (1|Plant), data = CO2)
4

0 回答 0