我有一个关于在 R 中使用 lmer 正确设置模型的问题。
这是一个重复测量实验
每位受试者（共 20 名）针对每种刺激条件（阳极、阴极和假手术）完成 4 项不同的任务。因变量是反应时间（rt）
我使用了这个模型，但我不确定它是否正确。我更关心随机效应是否正确分配
model<- lmer(rt ~ task * stimulation + (task * stimulation|subject), data=dat)
任何帮助将不胜感激。
谢谢
【问题讨论】：
标签： r statistics lme4 mixed-models
我不得不不同意引用 Barr 等人 (2013) 来“保持最大”的另一个答案。在很多情况下，这已被证明是一个糟糕的建议，以至于 lme4 的作者引入了代码来检查奇异拟合。不仅如此，Doug Bates（lme4 的主要作者，可能是混合模型的世界领先权威）和同事在 2015 年写了一篇论文，专门解决了“保持最大”的愿望所带来的问题 - Parsimonious Mixed Models。
当然，我并不是说检查单数拟合是一件坏事——这是一件好事，所以肯定会从中得到一些好处。
所以在这种情况下，我们有(task * stimulation|subject)，其中task 有 4 个级别，stimulation 有 3 个级别，因此我们要求软件仅用 20 个受试者估计 8 个方差-协方差参数。我并不是说这是不可能的，但在我看来，以此为目标似乎很奇怪。 Bates 等人（2015 年）的论文非常详细地介绍了如何处理由此产生的问题，我已经回答了一些关于如何处理问题的 CV 问题here 和 here
所以总而言之，另一个答案不一定是错误的，但它可能会导致很多问题。
【讨论】：
这对我来说看起来不错。您目前拥有所谓的“最大”随机效应结构（即，所有估计的固定效应都有随机效应）。这是更可取的依据：
Barr, D. J.、Levy, R.、Scheepers, C. 和 Tily, H. J. (2013)。验证性假设检验的随机效应结构：保持最大。记忆和语言杂志，68（3），255-278。
【讨论】：