Comment modéliser un effet fixe partiellement croisé?

Question

dans une expérience, j'ai manipulé deux traitements A et B. A a trois niveaux (A1, A2, A3) et B a trois niveaux (B1, B2, B3). A et B sont partiellement croisés pour qu'il y ait 5 combinaisons de traitement:

A1B1

A2B1, A2B2, A2B3

A3B1

Chaque sujet est exposé à la combinaison de traitement AiBj pour une fois. Il n'y a donc pas d'effet aléatoire à modéliser (je suppose). La DV est une variable numérique qui mesure la performance de chaque sujet sous cette combinaison de traitement.

Je ne sais pas comment modéliser l'effet mixte partiellement croisé avec lmer.

Quelqu'un pourrait-il aider? Je vous remercie.

Answer 1

La façon la plus simple de gérer cela serait de traiter la situation comme 5 traitements différents, codés dans un seul prédicteur catégoriel. Avec cette conception, vous ne pouvez pas obtenir d'informations sur B2ou B3séparément de A2, ou des informations sur A1et A3séparément de B1, de toute façon.

Vous pouvez ensuite utiliser les résultats de l'analyse pour obtenir des estimations de toutes les différences d'intérêt spécifiques (par exemple, A2B1vs A2B2vs A2B3les différences entre B1, B2et B3dans leur combinaison avec A2).

Si chacun de vos sujets n'a eu qu'un seul traitement, alors vous avez un modèle linéaire simple, à analyser par lm()exemple. Si par «[chaque] sujet est exposé à la combinaison de traitement AiBj pour une fois», vous voulez dire que chaque sujet a reçu les 5 combinaisons de traitement mais a reçu chacune une seule fois, vous pouvez inclure un effet aléatoire pour les sujets individuels dans un modèle avec lmer(). Dans ce dernier cas, cependant, vous voudrez peut-être incorporer l'ordre de réception des traitements dans votre modèle d'une manière ou d'une autre.