python - 如何在 Python (Statsmodels) 中编写线性混合效应模型的公式？

Question

请耐心等待，因为我是这个级别的统计数据和 Python 的新手。我已经阅读了 statsmodels 和 patsy 的所有文件，但仍有疑问。

我正在尝试使用 statsmodels MixedLM 分析纵向数据。简化一点，我有 5 个变量，自变量之间没有共线性：

• 结果：因变量。
• 患者：随机效应，因为每个患者都对结果进行了多次测量
• 时间：固定效应
• 有针对性：固定效应，0 = 否，1 = 是，患者是否是针对结果进行干预的目标
• 性别：固定效应，0=男性，1=女性

我想知道两件事：

1. 患者是否被靶向与随时间推移的结果趋势之间是否存在关联？
2. 随着时间的推移，患者性别和结果趋势之间是否存在关联，仅在目标群体中？

也许很重要：我实际上并没有试图做出任何预测。只是准确地解释我已经拥有的数据。

为了回答第一个问题，我尝试了：

md = smf.mixedlm('outcome ~ time * targeted', df, groups = df['patient'])

这个符号正确吗？或者我应该使用：

md = smf.mixedlm('outcome ~ time : targeted', df, groups = df['patient'])

更好地比较结果趋势的差异？或者是其他东西？

为了回答第二个问题，我尝试了：

md = smf.mixedlm('outcome ~ time * targeted * sex', df, groups = df['patient'])

但我认为这是不正确的，因为系数没有意义。目标患者的起始结果需要> 6，但目标：性别的系数< 6。一种解决方案是制作一个仅包含目标患者的单独数据框，但我很好奇是否有操作员我可以在这里用不同的方式得到我想要的。

谢谢！