Lmer cho thiết kế dọc

Question

Tôi có một tập dữ liệu theo chiều dọc, trong đó tôi có các biến sau cho mỗi chủ đề:

IV: 3 yếu tố ( factorA, factorB, factorC, factorD), mỗi đo hai lần, ngay từ đầu và ở phần cuối của một can thiệp.

DV: một biến kết quả (hành vi), cũng được đo lường hai lần, khi bắt đầu và khi kết thúc can thiệp.

Tôi muốn tạo một mô hình sử dụng sự thay đổi của yếu tốA, yếu tốB, yếu tốC, yếu tốD (thay đổi từ đầu đến cuối can thiệp) để dự đoán sự thay đổi trong hành vi (một lần nữa từ đầu đến cuối).

Tôi nghĩ để sử dụng các giá trị châu thổ của factorA, factorB, factorC, factorD(từ mầm non đến sau can thiệp) và sử dụng các giá trị đồng bằng để dự đoán các giá trị châu thổ của D1. Tôi cũng muốn để covary-ra các giá trị tuyệt đối của mỗi yếu tố ( A, B, Cvà D) (ví dụ sử dụng chỉ có giá trị ở phần đầu của sự can thiệp đối với từng yếu tố) để chắc chắn rằng tôi chiếm sự thay đổi các giá trị tuyệt đối (chứ không phải sự thay đổi) của các IV này có thể có trên DV.

Đây là tập dữ liệu của tôi: nhập mô tả hình ảnh vào đây

Đây là mô hình của tôi cho đến nay:

Model <- lmer(Delta_behavior ~ Absolute_factorA + Absolute_factorB + 
              Absolute_factorC + Absolute_factorD + Delta_factorA + 
              Delta_factorB + Delta_factorC + Delta_factorD + 
              (1|Subject),a)

Tôi nghĩ rằng tôi đang làm gì đó sai vì tôi gặp lỗi này:

Lỗi: số mức của mỗi yếu tố nhóm phải <số lần quan sát

Tôi đang làm gì sai? Tập dữ liệu có được cấu trúc kỳ lạ không? Tôi có nên sử dụng các giá trị delta không? Tôi có nên sử dụng một thử nghiệm khác (không lmer)?

Answer 1

Bởi vì bạn đã giảm dữ liệu của mình thành một quan sát duy nhất cho mỗi đối tượng, bạn không cần phải sử dụng mô hình đa cấp / hỗn hợp. Lý do gây lmerra lỗi cho bạn là trong tình huống này, phương sai giữa các đối tượng bị nhầm lẫn với phương sai còn lại.

Bạn có thể tiếp tục và sử dụng mô hình tuyến tính ( lm) cho phân tích này.

Thêm chi tiết kỹ thuật

Phương trình phân bố của ilần quan sát thứ giống như [fixed-effect predictors] + eps(subject(i)) + eps(i)đâu eps(subject(i))là thuật ngữ Sai số thông thường của đối tượng liên quan đến ilần quan sát thứ hai và eps(i)là Sai số dư thông thường liên quan đến ilần quan sát thứ. Nếu chúng ta chỉ có một quan sát cho mỗi đối tượng, thì mỗi quan sát có hai thuật ngữ lỗi duy nhất cho nó. Tổng của hai biến Bình thường có giá trị trung bình bằng 0 và phương sai của V1 và V2 cũng là Bình thường với giá trị trung bình bằng 0 và phương sai V1 + V2 ... do đó V1 và V2 là không thể xác định chung . Bạn có thể sử dụng lmerControlđể ghi đè lỗi nếu bạn thực sự muốn; lmersẽ trả về một số kết hợp tùy ý của V1, V2ước tính tổng đó cho tổng phương sai.

Có một ví dụ tương tự được minh họa ở đây .