Подбор случайных факторов для линейной модели с использованием lme4 - PullRequest
Новая
       8

Подбор случайных факторов для линейной модели с использованием lme4

0 голосов
/ 06 февраля 2020

У меня есть 4 случайных фактора, и я хочу предоставить их линейную модель, используя lme4. Но изо всех сил пытался соответствовать модели.

Предположим, что A вложено в B (2 уровня), которые, в свою очередь, вложены в каждый из xx наставников (P). Все ответили на xx Ms (M).

Я хочу приспособить свою модель, чтобы получить отклонения для каждого фактора и их взаимодействия.

Я использовал следующие коды, чтобы соответствовать модели, но я был неудачным. 

lme4::lmer(value ~ A  + 
      (1 + A|B) + 
      (1 + P|A), 
      (1+ P|M),
    data = myData, na.action = na.exclude)

Я также читаю интересные материалы здесь , но, тем не менее, я изо всех сил стараюсь соответствовать модели. Любая помощь?

1 Ответ

1 голос
/ 06 февраля 2020

По предположению, если структура вложенности равна (P (teachers) / B (occasions) / A (participants) )), это означает, что случаи для одного учителя считаются полностью независимыми от событий для любого другого учителя, и что участники, в свою очередь, никогда не являются общими для случаев или учителей. , но вопросы (M) являются общими для всех учителей и случаев и участников: 

value ~ 1  + (1| P / B / A) + (1|M)

Некоторые потенциальные проблемы:

  • , как вы намекаете в комментариях, это может быть непрактичным чтобы подобрать случайные эффекты для факторов с небольшим количеством уровней (скажем, <5), это может привести к страшному сообщению «особой модели» (см. ЧЗВ GLMM для более подробной информации). </li>
  • если все на вопросы (M) отвечает каждый участник, затем в принципе можно подобрать модель, которая учитывает соотношение вопросов между участниками: максимальная модель будет ~ 1 + (M | P / B / A) (что будет искать корреляции между вопросами на уровне учителя, случая внутри учителя и участника внутри случая учитель). Однако на практике это вряд ли сработает (особенно если каждый участник отвечает на каждый вопрос только один раз, и в этом случае дисперсия учитель: случай: участник: вопрос будет смешана с остаточной дисперсией в линейной модели). В этом случае вы получите сообщение об ошибке «вероятно, неопознаваемый»: см., Например, этот вопрос для получения более подробных объяснений / подробностей.
...