Если я правильно понимаю ваш вопрос, вы не хотите, чтобы для вашего обращения (до / после) был случайный перехват. Это не какой-то шум, который нужно учитывать sh, а ваш экспериментальный вопрос, поэтому mod2
отсутствует. Кроме того, у вас действительно не должно быть случайного эффекта, который имеет только два уровня (https://dynamicecology.wordpress.com/2015/11/04/is-it-a-fixed-or-random-effect/).
Предварительный тест должен быть эталонным уровнем фактора, чтобы вы могли легко понять, как ваше лечение повлияло на время реакции. Вы можете изменить это, изменив следующий код для своих данных:
data$pre_post = relevel(data$pre_post, ref="pre")
Что касается времени реакции, во многих дисциплинах также принято моделировать время реакции журнала, это можно легко сделать, поместив его в формулу модели. , что я сделал ниже. Если это не так в вашей области, не стесняйтесь игнорировать это.
Также возможно, что expectations
по-разному влияет на ваших участников, поэтому вы также можете добавить случайный наклон для expectations
по участнику. Во-первых, я хотел бы проверить, приводит ли первый случайный наклон, pre_post
, к значительно лучшему соответствию модели. Я бы сделал это с помощью следующего кода. Обратите внимание, что REML был изменен на true, потому что вы сейчас сравниваете случайные эффекты.
mod1 <- lmer(log(Go_rt) ~ pre_post + expectations + pre_post:expectations + (1|participant), data=data, REML=TRUE)
mod1.1 <- lmer(log(Go_rt) ~ pre_post + expectations + (1 + pre_post|participant), data=data, REML=TRUE)
anova(mod1, mod1.1)
Если это действительно приведет к лучшей модели, я бы оставил его. Затем я бы проверил, есть ли случайный наклон for expectations
улучшает модель.
mod1.2 <- lmer(log(Go_rt) ~ pre_post + expectations + (1 + pre_post + expectations|participant), data=data, REML=TRUE)
anova(mod1.1, mod1.2)
После того, как я нашел лучшую структуру случайных эффектов, я бы посмотрел на фиксированные эффекты, начиная с взаимодействия, и посмотрел, было ли это значительным с точки зрения вероятности тест соотношения, опять же с использованием функции anova()
.
Надеюсь, это поможет. Есть и другие способы взглянуть на случайные эффекты и посмотреть, оправданы они или нет, используя функцию rePCA()
, включенную в lme4
. Вероятно, неплохо было бы изучить этот документ, если вы устанавливаете смешанные модели: https://arxiv.org/pdf/1506.04967.pdf