[英]R: Inflated degrees of freedom in mixed linear model
我有一個關於我正在使用的混合 model 的問題:在一項研究中,參與者看到了 40 個不同的新聞文章標題,並為每個標題指示他們是否會分享標題(是編碼為 1,否編碼為 0) . 被試內有兩個二元因素“准確性”(真與假)和“策略”(外群攻擊與內群贊美)。 此外,受試者之間存在一個二元因素“條件”(威脅與中立)。
我想運行一個混合的 model,隨機截取參與者(id)和標題(標題),其中包括共享決策作為因變量,准確性、策略和條件作為自變量。 我有兩個問題。
當我嘗試通過以下命令使用多級邏輯回歸時,我遇到了收斂問題:
mreg_P3_g <- glmer(
Sharing_P3 ~ (1 | id) + (1 | Headline) + Strategy * Accuracy * Condition,
data=df,
family="binomial"
)
因此,我嘗試使用以下命令運行線性 model:
mreg_P3 <- lmer(
Sharing_P3 ~ Strategy * Accuracy * Condition +
(1|Headline) + (1|id),
data=df
)
當我這樣做時,我收到以下 output:
Type III Analysis of Variance Table with Kenward-Roger's method
Sum Sq Mean Sq NumDF DenDF F value Pr(>F)
Strategy 0.828 0.828 1 35.1 7.5283 0.009505 **
Accuracy 80.154 80.154 1 35.1 729.1441 < 2.2e-16 ***
Condition 0.030 0.030 1 195.7 0.2728 0.602041
Strategy:Accuracy 0.528 0.528 1 35.1 4.8006 0.035180 *
Strategy:Condition 0.462 0.462 1 3723.1 4.2026 0.040431 *
Accuracy:Condition 0.741 0.741 1 3723.1 6.7425 0.009451 **
Strategy:Accuracy:Condition 0.457 0.457 1 3723.1 4.1596 0.041468 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
正如您可能看到的那樣,我有很多重要的影響,並且在查看可視化數據時,影響 Strategy:Condition、Accuracy:Condition 和 Strategy:Accuracy:Condition 是不可解釋的。 我將它們的重要性歸因於膨脹的自由度,我想知道我是否需要以不同的方式指定我的 model 的隨機效應。
我遠非專家,很樂意提供任何幫助! 非常感謝您!
我懷疑自由度 (DF) 估計沒有任何問題。 如果您有 100 個參與者,每個參與者有 40 個要評估的標題,那么您就有 4000 個觀察值。 用於評估這些交互項的 DF 應表示觀察數減去 model 其他方面使用的 DF。
在您的lmer()
model 中似乎更有可能的是,考慮到Accuracy
效應的大小,您的交互項具有“統計顯着”效應,但實際上並不顯着。 實際意義和統計意義不是一回事,尤其是在大樣本量的情況下。
也就是說,您應該注意為什么二項式 model 不收斂。 lmer()
model 很少適用於二元結果,可能會給您低於 0 或高於 1 的概率。您沒有說問題出在哪里,但邏輯回歸可能會遇到完美分離。 默認求解器或迭代次數也可能不足以滿足數據集的大小和性質。 上面對“在查看可視化數據時無法解釋”的交互效果的解釋仍然成立。
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.