[英]repeated measure anova using regression models (LM, LMER)
我想使用回歸模型而不是“方差分析”( AOV )函數在 R 中運行重復測量方差分析。
這是我的 3 個主體內因素的 AOV 代碼示例:
m.aov<-aov(measure~(task*region*actiontype) + Error(subject/(task*region*actiontype)),data)
有人可以給我使用回歸模型運行相同分析的確切語法嗎? 我想確保尊重殘差的獨立性,即使用與 AOV 一樣的特定誤差術語。
在上一篇文章中,我閱讀了以下類型的答案:
lmer(DV ~ 1 + IV1*IV2*IV3 + (IV1*IV2*IV3|Subject), dataset))
我真的不確定這個解決方案,因為它仍然將變量視為受試者之間的變量,而且我不明白添加隨機因素會如何改變這一點。
有人知道如何在考慮剩余獨立性的情況下使用 lm/lmer 運行重復測量方差分析嗎?
非常感謝,索倫
如果你的 aov 例子是正確的(也許你不想嵌套東西)你想要這個:
lmer(measure~(task*region*actiontype) + 1(1|subject/(task:region:actiontype))
如果剩余獨立性意味着獨立計算截距和斜率,則需要分別指定它們:
+(1|yourfactors)+(0+variable|yourfactors)
或使用符號:
+(1||yourfactors)
無論如何,如果您閱讀幫助文件,您會發現 lme4 無法處理最常見的問題。
我在這里有一些更詳細的工作示例: https ://keithlohse.github.io/mixed_effects_models/lohse_MER_chapter_02.html
但是,如果您想獲得與您的 ANOVA 同源的混合模型,您可以為每個主題包括隨機截距:因子和主題內因子。 例如,
aov(DV~W1*W2*W3 + Error(SUBJECT/(W1*W2*W3)),data)
混合模型等效於:
lmer(speed ~
# Fixed Effects
W1*W2*W3 +
# Random Effects
(1|SUBJECT) + (1|W1:SUBJECT) + (1|W2:SUBJECT) + (1|W3:SUBJECT),
data = DATA,
REML = TRUE)
將 REML 設置為 TRUE 和平衡設計時,您應該獲得與 ANOVA 相同的自由度和 f 值。 ML 傾向於低估方差分量,因此如果您正在比較嵌套模型並需要使用 ML,您的結果將不會精確匹配。 如果您不比較嵌套模型並且可以使用 REML,則 ANOVA 和混合模型應該匹配(同樣,在平衡設計中)。
對於@skan 的早期回答和人們可能有的其他想法,我並不是說這是隨機效應結構(因為與隨機截距相比,包含W1
的隨機斜率可能更合適),但如果你有一個觀察結果主題:條件,那么這些隨機效應會產生等效的結果。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.