Я новичок в линейных моделях смешанных эффектов и пытаюсь использовать их для проверки гипотез.
В моих данных (DF) у меня есть две категориальные / факторные переменные: color ( красный / синий / зеленый) и direction (вверх / вниз). Я хочу посмотреть, есть ли существенные различия в scores (значения числовых c) между этими факторами и есть ли эффект взаимодействия, при учете случайных перехватов и случайных наклонов для каждого participant.
Какая формула lmer подходит для этого?
Вот что у меня есть ...
Мои данные структурированы так:
> str(DF)
'data.frame': 4761 obs. of 4 variables:
$ participant : Factor w/ 100 levels "1","2","3","4",..: 1 1 1 1 1 1 1 1 1 1 ...
$ direction : Factor w/ 2 levels "down","up": 2 2 2 2 2 2 2 2 2 2 ...
$ color : Factor w/ 3 levels "red","blue",..: 3 3 3 3 3 3 3 3 3 3 ...
$ scores : num 15 -4 5 25 0 3 16 0 5 0 ...
После некоторого чтения я решил, что могу написать модель со случайными наклонами и перехватами для участников и one фиксированный эффект, например, так:
model_1 <- lmer(scores ~ direction + (direction|participant), data = DF)
Это дает мне фиксированную оценку эффекта и значение p для direction, которое я понимаю как значимая оценка влияния direction на scores, в то время как индивидуальные различия между участниками учитываются как случайный эффект.
Но как мне добавить ко второму фиксированному коэффициенту color и термин взаимодействия, в то же время предоставляя каждому участнику случайный перехват и наклон?
Я думал, может быть, я смогу сделать это:
model_2 <- lmer(scores ~ direction * color + (direction|participant) + (color|participant), data = DF)
Но в конечном итоге я действительно не знаю, что именно означает эта формула. Любое руководство будет оценено.