0

我在 R 中运行一个线性混合效应模型，我不确定如何在模型中包含一个不感兴趣的协变量，甚至不知道如何决定是否应该这样做。

我有两个主题内变量，我们称它们为 A 和 B，每个有两个级别，每个参与者都有很多观察结果。我对他们的交互如何在 4 个组之间变化感兴趣。我的结果是反应时间。在最简单的层面上，我有这个模型：

RT ~ 1 + A*B*Groups + (1+A | Subject ID)

我想将 Gender 添加为不感兴趣的协变量。我没有理论上的理由假设它会影响任何事情，但它在各个群体之间确实不平衡，所以我想包括它。我的问题的第一部分是：最好的方法是什么？

是不是这个型号：

RT ~ 1 + A*B*Groups + Gender + (1+A | Subject ID)

或这个：

RT ~ 1 + A*B*Groups*Gender + (1+A | Subject ID)

? 还是其他方式？我对第二个模型的担忧是它有点不合理地夸大了模型中的项数。另外，我担心过度拟合。

我的问题的第二部分：在选择最佳模型时，我应该何时添加协变量以查看它是否有任何区别？让我解释一下我的意思。

假设我从上面提到的最简单的模型开始，但没有 A 的斜率，所以：

RT ~ 1 + A*B*Groups + (1| Subject ID)

我应该先添加协变量，作为主效应（+ Gender）还是作为交互的一部分（*Gender），然后查看为 A 添加斜率是否会产生影响（通过使用 anova() 函数），或者我可以先添加斜率（理论上更重要），然后看看性别是否重要？

4

1 回答 1

1

以下是关于您的两个问题的一些建议。

  1. 我会推荐一种迭代建模策略。

    从...开始

    RT ~ 1 + A*B*Groups*Gender + (1+A | Subject ID)

    看看问题是否可以解决。上述模型将包括加性效应以及、和之间的所有交互项。ABGroupsGender

    如果问题难以处理，则丢弃Gender与其他协变量之间的交互项，并建模

    RT ~ 1 + A*B*Groups + Gender + (1+A | Subject ID)

    如果没有关于观察次数的任何细节，很难就潜在的过度拟合做出陈述。

  2. 关于你的第二个问题：一般来说，我会推荐贝叶斯方法；看看rstan基于- 的brmsR 包，它允许您使用相同的lme4/glmm公式语法，从而轻松翻译模型。模型比较和预测性能是非常宽泛的术语。有多种方法可以探索和比较这些类型的嵌套/分层贝叶斯模型的预测性能。例如，参见Piironi 和 Vehtari以及Vehtari 和 Ojanen的论文。

于 2018-04-20T11:05:40.927 回答