[英]repeated measure anova using regression models (LM, LMER)
我想使用回归模型而不是“方差分析”( AOV )函数在 R 中运行重复测量方差分析。
这是我的 3 个主体内因素的 AOV 代码示例:
m.aov<-aov(measure~(task*region*actiontype) + Error(subject/(task*region*actiontype)),data)
有人可以给我使用回归模型运行相同分析的确切语法吗? 我想确保尊重残差的独立性,即使用与 AOV 一样的特定误差术语。
在上一篇文章中,我阅读了以下类型的答案:
lmer(DV ~ 1 + IV1*IV2*IV3 + (IV1*IV2*IV3|Subject), dataset))
我真的不确定这个解决方案,因为它仍然将变量视为受试者之间的变量,而且我不明白添加随机因素会如何改变这一点。
有人知道如何在考虑剩余独立性的情况下使用 lm/lmer 运行重复测量方差分析吗?
非常感谢,索伦
如果你的 aov 例子是正确的(也许你不想嵌套东西)你想要这个:
lmer(measure~(task*region*actiontype) + 1(1|subject/(task:region:actiontype))
如果剩余独立性意味着独立计算截距和斜率,则需要分别指定它们:
+(1|yourfactors)+(0+variable|yourfactors)
或使用符号:
+(1||yourfactors)
无论如何,如果您阅读帮助文件,您会发现 lme4 无法处理最常见的问题。
我在这里有一些更详细的工作示例: https ://keithlohse.github.io/mixed_effects_models/lohse_MER_chapter_02.html
但是,如果您想获得与您的 ANOVA 同源的混合模型,您可以为每个主题包括随机截距:因子和主题内因子。 例如,
aov(DV~W1*W2*W3 + Error(SUBJECT/(W1*W2*W3)),data)
混合模型等效于:
lmer(speed ~
# Fixed Effects
W1*W2*W3 +
# Random Effects
(1|SUBJECT) + (1|W1:SUBJECT) + (1|W2:SUBJECT) + (1|W3:SUBJECT),
data = DATA,
REML = TRUE)
将 REML 设置为 TRUE 和平衡设计时,您应该获得与 ANOVA 相同的自由度和 f 值。 ML 倾向于低估方差分量,因此如果您正在比较嵌套模型并需要使用 ML,您的结果将不会精确匹配。 如果您不比较嵌套模型并且可以使用 REML,则 ANOVA 和混合模型应该匹配(同样,在平衡设计中)。
对于@skan 的早期回答和人们可能有的其他想法,我并不是说这是随机效应结构(因为与随机截距相比,包含W1
的随机斜率可能更合适),但如果你有一个观察结果主题:条件,那么这些随机效应会产生等效的结果。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.