Gekreuzte Effekte in lmer oder lme4
Ich habe ein Experiment durchgeführt, bei dem ich die Reaktionszeiten in einer Bildklassifizierungsaufgabe anhand von Personenmerkmalen (Alter, vorherige Erfahrung) und Objektmerkmalen (Ähnlichkeit; Farbe, Form, Hintergrund) vorhersagen möchte. Alle Teilnehmer sahen alle Gegenstände und das Merkmal "Ähnlichkeit" umfasst alle Kombinationen von Farbe, Form und Hintergrundgruppe.
subject age prior_exp tria rt sim color shape backg
<fct> <dbl> <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
1 930179102 22 5 trial1 1647 0 0 0 0
2 930179102 22 5 trial2 1949 1 1 0 0
3 930179102 22 5 trial3 2198 1 0 1 0
4 930179102 22 5 trial4 2051 1 0 0 1
5 930179102 22 5 trial5 1475 2 1 1 0
6 930179102 22 5 trial6 2402 2 0 1 1
7 930179102 22 5 trial7 1399 2 1 0 1
Ich fange gerade mit gemischten Modellen an. Nach meinem Verständnis sind age und prior_exp feste Effekte und Ähnlichkeit ist ein zufälliger Effekt, und Farbe / Form / Hintergrund sind gekreuzte Faktoren. Ist das korrekt? Ich habe dieses Modell eingebaut, bin mir aber nicht sicher, wie ich die gekreuzten Faktoren berücksichtigen soll.
lmm <- lmer(rt ~ age + prior_exp + sim + (sim|subject), data = df)
Ist meine Argumentation bisher richtig und kann mir bitte jemand bei den gekreuzten Faktoren helfen oder mich in die richtige Richtung weisen?
Antworten
Hier werden Elemente mit Themen gekreuzt, da alle Themen alle Elemente gesehen haben.
Also subjectund itemsollten die zufälligen Effekte sein, und das Merkmal von ihnen sollten feste Effekte sein. Entsprechend Ihren Daten benötigen Sie für jeden Artikel eine Kennung, und das Modell sieht ungefähr so aus:
rt ~ age + prior_exp + color + shape + backg + (1|subject) + (1|item)
Da Ähnlichkeit die Summe der anderen Elementattribute ist, wird sie nicht als eindeutiger Parameter identifiziert, sodass Sie sie nicht zusammen mit den anderen als festen Effekt einschließen können (Sie können sie einschließen, aber mindestens einen ausschließen von den anderen drei sehe ich darin aber nicht viel Sinn).