I have been provided with the following formulas and need to find the correct lme4 code. I find this rather challenging and could not find a good example I could follow...perhaps you can help?

I have two patient groups: group1 and group2. Both groups came to the lab 4 times for testing (4 VISITs) and during each of these visits, their memory was tested 4 times (4 RECALLs). The memory performance should be predicted from Age, Sex and two sleep parameters, which were assessed during each VISIT.

Thus Level 1 should be the RECALL (index i), Level 2 the VISIT (index j) and Level 3 the subject level (index k).

Level 1:

Level 2:

Level 3:

Thanks so much for your thoughts!

我正在研究 GLM 模型（使用 glmer）。现在我正在探索是否需要交互项。我想找到最好的模型，但以下结果令人困惑：

AIC 在 g1 中更好，而 g2 显示更好的 logLiK 和偏差。我必须选择哪种型号？

非常感谢您提前提出的所有意见！！

最好的，爱敬

我的研究问题意味着使用几个描述国家年份和一般国家的自变量（为了使问题相当简单，假设我没有任何“第二级”变量，并且我在右侧的所有变量都不同国家年水平）。

这里的具体情况是，我想使用的因变量对于某些国家来说是恒定的。例如，在某些国家，该指标差异很大，而在其他国家，则完全没有差异。

我想就（a）如何解释国家历史内部的差异和（b）如何解释国家之间的差异得出结论。

这似乎是经典的内部/内部权衡，多级建模也可能会有所帮助（鉴于我实际上有一些二级指标）。

不过，我对如何处理那些没有经历波动的国家感到有些困惑。我可以直接以简单的方式对这些依赖项进行建模，例如因变量可以吗？

我正在研究纵向/重复测量多级模型（MLM）。通常，对于随时间变化的协变量（在我的情况下为“每周总收入/1000”），您将计算变量的以人为中心的版本（即从个人每周收入的平均值中减去人年收入响应）所有所述人的时间点）。但是，这可能会导致偏差（参见此处），因此更好（更通用）的方法是围绕每个个体的回归线（碰巧，回归的残差用于此目的）。

因此，我需要计算以下回归，但对于每个人（大约 10,000 个人，有 25,000 个观察值）：

然后，真正关键的部分是我需要将残差提取到我的主数据集中的单独列中，并与每个人匹配。这些残差将取代我的组均值中心变量（这又将用于我的 MLM）。

这是使用我为组均值居中所拥有的功能的可能起点。如果这可以更新以适应每个人的残差输出的回归，那么这将是理想的（如果不是，那么我对其他方法持开放态度）：

长格式的数据提取（Person_ID人在哪里，nYear时间，Weekly_Gross_Pay_Main_Job周收入/1000，Weekly_Gross_Pay_Main_Jobgmc组均值居中版本）：

我想根据行动和国家层面的特征，使用 glmer 来分析抗议的主张何时针对国家。所以，我想获得固定效应和随机效应的 p 值。我的模型如下所示：

输出只给了我 Variance & Std.Dev。的随机效应，以及它们之间的相关性，这对大多数多级分析是有意义的，但对我的目的来说不是。有什么办法可以得到随机效应的估计值和 p 值？

如果这不能用 R 完成，是否有任何其他统计软件可以提供这样的输出？

更新：按照此处的建议，我已将此问题移至交叉验证：https ://stats.stackexchange.com/questions/381208/r-how-to-get-estimates-and-p-values-for-random-整体效应

我的目标是进行 2-1-1-2 调解分析，其中特征 A 是 IV，特征 B 是 DV（都在 2 级），A 州和 B 州都是两个 1 级调解员。我假设 Level-1-mediators 是相关的。

我的数据是经验抽样数据，其中包括在一周内每天多次使用多个项目测量的特征和使用单个项目测量的状态。

你对如何在 R 中建模这样的中介分析有什么建议吗（即包推荐、教程）？我也会很高兴关于这方面的文献推荐（我已经知道 Bolger & Laurenceau，2013 年）。不幸的是，我没有发现对不止一个调解员有任何帮助，如果调解员处于 1 级，但 IV 和 DV 处于 2 级。

我正在比较arm函数和from产生的置信区间( ) 。我以数据集为例。我期望这两种方法的结果相同，但事实并非如此。我所缺少的两种方法之间的根本区别是什么？CIsim()predictInterval()merToolssleepstudylme4

代码如下：

导入测试数据

lme4 的多级模型

生成预测

这是为了比较sim和preditInterval稍后生成的中值。

使用手臂的 CI：个人级别

使用 merTols 的 CI

例如，我将第一个数据与两个不同的 CI 预测一起绘制。黑点是数据。红点是来自 的预测值lmerfit。黑线和黑色虚线分别是中位数和 95% CI arm::sim。红线和虚线分别是中位数和 95% CI merTools::predictInterval。

预测值和模拟中值相同，但 CI 有很大不同。可能是什么原因？哪一个是准确的？

问题。我想在 R 中进行边际模型分析——我认为它有时被称为总体平均模型、边际多级模型或边际线性回归模型。但是，我在 stackoverflow、Google 或 Youtube 上找不到任何关于如何在 R 中专门执行此操作的信息。

背景。我说的是此处和此处的分析因素 以及这些PowerPoint 幻灯片中所述的边际模型。CrossValidated 上有一个人在 SPSS 和 R 中提到了这个分析，但他没有显示他的实际代码，他的问题也没有得到回答。不确定是否应该在包装中完成。nlme

SPSS 代码。我已经在 CrossValidated 的其他地方描述了这些数据的性质，但基本上，我们感兴趣的是通过个性（测量一次）来预测参与者的情绪（在两种不同的条件下测量两次）。这是我在 SPSS 中使用的代码。

问题。如何在 R 中做到这一点？

我在两个级别的数据（课程中的学生）上运行 HMI，而学生级别的数据缺失。当我包含缺少数据的二进制值（性别）时，代码会引发以下错误（错误：C 堆栈使用 7969776 太接近限制）。

下面是一个可重现的例子。

我已经实现了一个 stan 层次模型，其中组内的级别 1 是线性模型，科目高斯混合模型内的级别 2。这意味着从级别 1 获得的斜率被级别模型 GMM 用于聚类。当我运行模型时，它存在收敛问题。

警告：pystan：超过最大（平面）参数计数（1000）：
跳过 n_eff 和 Rhat 的诊断测试。要运行所有诊断调用 pystan.check_hmc_diagnostics(fit)
WARNING:pystan:2 of 500 迭代以分歧 (0.4 %) 结束。
警告：pystan：尝试使用大于 0.8 的 adapt_delta 运行以消除分歧。
WARNING:pystan:Chain 1: E-BFMI = 0.0611
WARNING:pystan:E-BFMI 低于 0.2 表示您可能需要重新参数化模型

对改进模型有何评论？