我有以下研究,我想用混合效应模型进行分析:
“受试者”分为两个“组”(治疗 A 和 B)。
在治疗前和治疗后 3 个月(“时间”)(重复测量)记录“体重”。
还需要更正主题“年龄”和“性别”。
主要问题是:两组对体重的影响是否不同?
对于混合效果,我正在考虑使用 lme4
包的 lmer
函数的以下语法:
lmer(weight ~ Group*Time + age, (1|subject) + (1|gender), data=mydata)
这个语法是否正确,或者我是否需要使用更复杂的术语,例如下面给出的术语:
(time|subject)
(time + 1|subject)
(1|subject) + (1|Group:subject) + (1|Time:subject)
我试图在互联网上查看不同的来源,但文献似乎非常困惑。
最佳答案
gender
不应是随机效应(拦截)。它不满足将其视为随机的任何通常要求。
(time|subject)
和
(时间 + 1|主题)
是一样的。这意味着您允许 time
的固定效果在不同级别的 subject
(1|subject) + (1|Group:subject) + (1|Time:subject)
意义不大。这表示 Time
嵌套在 subject
中,因为 (1|Time:subject)
与 (1|subject:Time )
和(1|subject) + (1|subject:Time)
是如何指定嵌套随机效应的定义。 (1|Group:subject)
的添加看起来很奇怪,如果识别出这样的模型,我会感到惊讶。您的研究问题是“两组是否不同”,这意味着您想知道组的固定效应,因此 (1|Group:subject)
没有意义。
模型:
lmer(weight ~ Group*Time + age + gender, (1|subject), data=mydata)
有道理。
最后,这个问题应该在 Cross Validated 上。
关于r - 对于这个混合效果模型,什么是最好的 "formula",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62839595/