r - 在 LME 固定效应公式中指定分组因子

Question

我的数据集包含 70 个人在治疗开始和结束时的两次数值评分(“参与”)观察。个体之间的时间并不恒定，但目视检查显示大多数人在此期间有所上升

sfa <- read.csv("SFAFinalData.csv", header = TRUE)
groupingFormula <- as.formula(paste(columnName,"~ TIME|ID")) 
dataSubset <- na.omit(sfa[,seq(1:6)])
inputData <- groupedData(groupingFormula, data=dataSubset, labels = list("Weeks post injury", columnName))
m1 <- lme(inputData)

按预期工作

> m1
Linear mixed-effects model fit by REML
Data: inputData 
Log-restricted-likelihood: -631.7963
Fixed: Participation ~ TIME 
(Intercept)        TIME 
18.7616485   0.4220891 

Random effects:
Formula: ~TIME | ID
Structure: General positive-definite
        StdDev     Corr  
(Intercept) 15.4985010 (Intr)
TIME         0.2192035 1     
Residual    13.2272350       

Number of Observations: 140
Number of Groups: 70 

我现在尝试比较三个子组(“类型”:分别有 10、29 和 31 人的三个级别的因素)中每个子组的分析(即作为时间函数的参与)，但是

m2 <- update(m1, fixed = .~.*TYPE)

导致错误

Warning message:
In lme.formula(fixed = Participation ~ TYPE, data = inputData) :
Fewer observations than random effects in all level 1 groups

努力看看我在这里做错了什么:据我所知，我有足够的观察结果？

Answer 1

尽量不要使用groupedData。我知道，书中的例子经常使用它，但我发现它是 lme 最令人困惑的部分。并避免。在公式中，它可能非常贪婪，可能会导致错误消息类型。

经过大量猜测(请至少发布 str(sfa))，我假设您想要类似的东西:

sfa <- read.csv("SFAFinalData.csv", header = TRUE)
# No grouped Data!
lme(Participation~TIME*TYPE,random=~1|ID,data=sfa)