问题标签 [multilevel-analysis]

目前，我正在为具有 T 周的 I 商店实施具有面板数据的分层贝叶斯模型，其中我的因变量是品牌的销售额。我的目标是将商店特征与我正在使用的解释变量联系起来，但我希望有两个单独的二级。我的模型如下所示：

y = 截距 + alpha * X + beta * W + 误差项，

我想介绍第二个级别：

alpha = lambda1 * Z + 误差

beta = lambda2 * Z + 误差，

其中 Z 包含商店特征。rhierLinearModel但是，据我所知，在使用in时只能使用一级二级bayesm。

有谁知道我如何指定模型或调整代码以获得两个二级？

非常感谢您！

我从问卷中获得数据，其中 group1 30 个人与 group2 30 个人。他们回答了 6 个问题（从这 6 个问题中，我得到了建议权重（我的 DV），范围从 0 到 1（连续数据））。为了分析它，我认为做一个多级模型是个好主意。那么第 1 级是个人，第 2 级 - 第 1 组和第 2 组。但是当我使用第 2 级 - 组（2 组）进行多级模型（GLM）时，icc 等于 0。这是否意味着我不能使用多级模型还是我做错了什么？
如果我不能，那么我应该关注哪个回归？

我对两个重复测量的固定效应和随机效应的建模有疑问。我的数据集如下所示：

因此，有一个具有两个条件的任务，每个参与者都执行两个条件（重复测量），并且每个条件都存在 3 次试验（重复测量）。然后是连续的DV。

（1）首先，我想知道变量subject id，condition和trial是嵌套还是交叉。所有科目都在做两个级别的条件，所以我认为科目和条件是交叉的。那是对的吗？
尽管条件 1 和条件 2 都具有三个级别的试验，但它们在时间上当然不是相同的试验（因为参与者不是同时玩任务的条件，而是彼此相继）。这是否意味着条件和试验是嵌套的？还是因为他们都是三重试炼，他们也越过了？
此外，我认为主题和试验是交叉的，因为所有参与者都经历了 6 个级别的试验。这个对吗？

(2) 其次，我喜欢运行多级模型，但我不确定如何指定固定效应和随机效应。最低级别将是试验/时间，因为我想对两种条件下 DV 随时间（试验）的曲线/增长轨迹进行建模。实际上，每个条件有 20 次试验。我现在有以下代码来为每个参与者建模随机截距：

M2 比 M1 更适合数据。但这是否意味着在每个参与者的所有 6 次试验中都建立了随机截距模型？我实际上想知道每个条件。那么我应该只为每个条件制作一个多级模型（因此将两种条件的所有分析分开）？或者我可以在代码中包含条件吗？代码应该是：

如果 M3 比 M1 更适合数据，这是否意味着这两种情况都存在随机截距？

（3）如果我想知道每个条件是否有试验效果，我应该如何建模？像这样？

试验的显着效果是否意味着在两种情况下试验都存在线性效应？

（4）最后，我想知道每个条件（所以不是整个 6 次试验）DV 和试验之间的关系是否存在随机斜率。我不想知道整个 6 次试验但每个条件（实际上每个条件 20 次试验）。模型是：

总的来说，我很困惑如何处理模型中的两个重复变量（条件和试验）。我希望有人能帮帮忙！

我在 R 中使用 lme4 为具有多个选举调查的数据集拟合一个 2 级模型。我使用五分位（序数，5 个类别）的家庭收入来预测个人层面的结果变量，个人嵌套在调查年份中。

我想要一个以家庭收入为 x 轴（5 个五分位数）的图，图中每个国家/地区都有不同的线。

我不太精通ggplot2，任何建议将不胜感激

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：

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：

或这个：

? 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：

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？

我正在尝试在 R 中运行多级中介分析。我收到错误：中介错误（model.M，model.Y，treat = “treat”，mediator = mediator，data=data）：观察次数不中介模型和结果模型之间的匹配

模型 M 和 Y 是多级 lme4 模型，这些模型中存在不均匀的样本量。我能做些什么来运行这个分析吗？如果我在每个模型中都有相同的样本量，它真的会运行吗？

我有纵向数据，并在 R 中使用 nlme 为不同的结果指定了 3 个多级模型。

它们都基于相同的数据集。

现在，

向我展示了用于我最后三个模型的观察结果各不相同。这可能是由于每个结果的缺失数据都不同（预测变量几乎保持不变）。

有没有可能看到，我的数据集的哪些观察结果包含在每个模型中？请注意，lme 没有给我一个 S4 对象，而是 medMer。所以，

不幸的是不起作用。

我的目标是为每个模型提供精确的样本特征。因此，我需要以某种方式解决包括每个观察在内的观察结果。

感谢您对此的任何想法！

目前我正在处理以下问题：

我有一个中介模型，我想在我的多级数据中进行测试

所以我的假设是，流动（Y）发生在中等压力水平（X），这种关系是通过压力相关行为（M）介导的。此外，我假设压力相关行为和心流之间的关系取决于 2 个人格特征（=主持人）。

我在 R 中使用中介包来分析数据。

我不太确定，如果我指定了正确的条款，也许你可以帮助我：

--> 现在，我的代码只指定“X”而不是“X”和“I(X^2)”作为对待。代码必须看起来如何才能测试二次效应？--> 是否正确指定了 b-path 调节？

现在，我得到了这个输出，看起来调解并不重要（ACME），但我不确定我是否正确：

在此先感谢您的帮助 ：）

我正在尝试从 R 中复制估计随机截距模型的代码。R代码是：

我正在使用 lme4 包的 lmer 命令来估计变量 resid 的随机截距，以观察不同组（由 groupid 定义）中的观察值。没有“固定效果”部分，因此 (1|groupid) 之前没有变量。此外，我不想要一个常数估计，以便我得到每个组的截距。

不知道如何在 Python 中进行类似的估计。我试过类似的东西：

A 是前面示例中的残基，而 groupid 是相同的。

1）我不确定 mdf.random_effects 是否是我正在寻找的随机截距

2）我无法删除变量 B，我理解它是固定效应部分。如果我尝试：

我收到“数组不能为空”的错误。

只是试图估计与 R 代码中完全相同的模型。任何建议将被认真考虑。

使用 package 拟合完全随机的两级空模型时收到错误消息R2MLwiN。我的数据框是联合国儿童基金会为莫桑比克开发的多指标类集调查的子集。我的响应变量是agem.18一个二进制("Yes", "No")，表示该女性是否在 18 岁之前结婚。

我的两个级别是，按降序排列，province和w.id。这是我运行的代码

这是我收到的错误消息

我最初以为logit函数被car包屏蔽了，但事实并非如此。我还认为问题出denom在链接函数的调用中，但我读到 R2MLwiN 应该自动将 1 创建denom为一组 1。lme4如果我使用具有相同数据、变量和级别的包，我不会收到任何错误：

demo UserGuide09.R如果我使用包中包含的非常相似的公式，我不会遇到同样的问题R2MLwiN。

目前我唯一的猜测是，由于某些原因，R2MLwiN无法将我的响应变量识别agem.18为二进制。

有什么建议吗？

谢谢

马诺洛