[英]Does my data fit a nested ANOVA/linear mixed effects model, and how should the formula be written?
我從 40 只不同的老鼠身上收集了一個單一的連續測量值。 在四種不同的光處理中的一種下,它們被分成八個圍欄(每種處理一式兩份)。 我的實驗測試了兩種小鼠,雄性和雌性,但這些比例並不相等。 我主要對光處理之間的差異感興趣,而不是外殼之間的差異,盡管我最終也想對此進行評估。 我的數據最適合嵌套方差分析模型還是線性混合效應模型? 公式應該是什么樣的?
我知道這不可能是雙向方差分析,因為子組的大小不相等。 我不確定隨機變量是什么。 我相信這些組是光處理,而子組是性別和物種(可能還有圈數?)。
這是我在網上找到的“不平衡雙向方差分析”:
model3 <- aov(NSTC ~ Sex*Species*Light, data=NSTC)
Anova(model3, type = "III")
這是我為嵌套方差分析找到的代碼,它給我一個錯誤,即使我確實指定了一個隨機效應項(“公式中沒有指定隨機效應項”)
model4 = lmer(NSTC ~ Light+Species+Sex, random=~1|ID,
data=NSTC,
REML=T)
我希望我的數據顯示出的意義不大,但我基本上從迄今為止嘗試過的代碼中看不到任何意義。
lmer 模型“沒有隨機效應”的問題是因為該函數的語法錯誤。
它應該是:
model4 = lmer(NSTC ~ Light+Species+Sex+(1|ID),
data=NSTC,
REML=T)
要將圍欄作為隨機效果包含在內,並將 ID 嵌套在其中:
model4 = lmer(NSTC ~ Light+Species+Sex+(1|Enclosure/ID),
data=NSTC,
REML=T)
這是假設每個鼠標ID
僅在 1 個外殼中。 如果每個鼠標ID
都訪問了每個外殼,那么您可能想要交叉它們:
model4 = lmer(NSTC ~ Light+Species+Sex+(1|ID)+(1|Enclosure),
data=NSTC,
REML=T)
請參閱: https ://stats.stackexchange.com/questions/228800/crossed-vs-nested-random-effects-how-do-they-differ-and-how-are-they-specified 有關交叉與嵌套的更多詳細信息隨機效應。
另請注意,您也可以使用交互項。 例如,如果您對不同物種如何響應光感興趣,那么這兩個固定效應之間的相互作用被寫為Light:Species
,您可以將其添加為自己的輸入,例如:
model4 = lmer(NSTC ~ Light+Species+Sex+Light:Species+(1|Enclosure/ID),
data=NSTC, REML=T)
雖然*
符號是讓每個術語獨立 + 交互的快捷方式。 因此, Light+Species+Light:Species
與Light*Species
相同,后者更簡單:
model4 = lmer(NSTC ~ Light*Species+Sex+(1|Enclosure/ID),
data=NSTC, REML=T)
本文檔對 lme4 有很好的一般幫助:https : lme4
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.