В настоящее время я пытаюсь запустить модель смешанного эффекта в R для исследования, которое я провожу.
Я смотрю на влияние целевой этнической принадлежности на объективацию и опосредует ли родство эти отношения.
Каждый участник оценил теплоту и компетентность трех целей (азиатских, афроамериканских и кавказских), а суммарный балл объективации был рассчитан путем усреднения z-скорингового индекса для каждого предмета для каждой цели.
Данные выглядят примерно так:
participant <- c(1,1,1,2,2,2)
target_ethnicity <- ("caucasian", "africanamerican", "asian", "caucasian", "africanamerican", "asian")
objectification <- c(1.00, 0.90, 0.97, 0.78, 0.76, 0.89)
affinity_level <- c(5, 7, 7, 4, 6, 7)
df <- data.frame(participant, target_ethnicity, objectification, affinity_level)
Таким образом, для каждого участника есть три балла за объективацию (по одному для каждой цели) и три балла за близость (по одному для каждой цели).
При расчете модели смешанного эффекта я использовал код:
mod1 <- lmer(objectification ~ target + affinity + (1|participant), data = df)
При просмотре резюме с полным набором данных из 131 участника оно показывает следующее:
asian: B = 0.15976, t(259.87)= 4.159, p <.05
black: B = 0.07963, t(261.30)= 2.054, p<.05
affinity: B = 0.13647, t(338.11) = 3.169, p<.05
У меня есть несколько вопросов по этому поводу, которые мне было интересно, если кто-нибудь мог бы посоветовать мне:
(1) Я не понимаю, почему все степени свободы разные?
(2) Я хочу проверить предположения этой модели, но такие функции, как qqPlot (), не работают, так как я получаю сообщение об ошибке «Ошибка в x [good]: объект типа 'S4' не является поднабором : Предупреждающее сообщение: в is.na (x): is.na () применяется к не- (список или вектор) типа 'S4' "
(3) Когда я ищу отдаленные точки данных, необходимо ли использовать функцию влияния, прежде чем смотреть на dfbetas и расстояние повара, как я делал ниже? Как выбрать точку отсечения для удаления выбросов в моделях со смешанным эффектом?
outliers <- influence(mod1, group="participant")
dfbeta <- dfbetas.estex(outliers)
cooks <- cooks.distance.estex(outliers)
(4) Как мне интерпретировать сходство медиатора в этом случае? Как я узнаю, является ли это посредником? Нужно или полезно сделать простой участок склонов?
(5) Как извлечь значения R ^ 2 и скорректированные значения R ^ 2 для этой модели, а также статистику F?
Я знаю, что это много вопросов, но я очень плохо знаком с моделями со смешанным эффектом и совершенно сбит с толку.