在 R 中指定 3 级随机截距答案

【问题标题】：Specifying level-3 random intercept in R在 R 中指定 3 级随机截距
【发布时间】：2017-03-26 11:48:19
【问题描述】：

我正在使用 R 中的 lmer() 函数（lme4 包）来分析一项纵向研究，其中我测量了 120 名受试者，共 6 次。首先，我指定了一个这样的模型：

library(lme4)
model1 = lmer(DV ~ 1 + X1*X2  + (1+X1|SubjectID), REML="false")

X1 是一个时变变量（1 级），X2 是一个主题级变量（2 级）。

由于这些主题嵌套在多个团队中，因此建议我在团队级别（3 级）包含随机截取。但是，我只发现如何同时包含随机截距和斜率：

model2 = lmer(DV ~ 1 + X1*X2  + (1+X1|TeamID/SubjectID), REML="false")

有谁知道如何只为模型 1 添加一个 3 级随机截距？

【问题讨论】：

X1 是时间点吗？什么是“学科水平变量”？也许您可以提供数据样本。
X1 是一个一级变量，每个波/时间点都有不同的值（有 6 个时间点）。换句话说，它的价值会随着时间而改变。 X2 是一个 2 级变量，在所有波浪中具有相同的值。因此，每个主题都有一个 X2 值，随着时间的推移保持不变。我猜它实际上是一个非常基本的多层次模型？这足够清楚吗？ @乔
所以听起来您只是在寻找随机拦截 TeamID 和 SubjectID。如果是这种情况，您只需要(1|TeamID) + (1|SubjectID)。
好吧，我想我明白了。谢谢！因此，当我想要 SubjectID 的随机截距和随机斜率但只有 TeamID 的随机截距时，它将是 (1+X1|SubjectID) + (1|TeamID)？
没错。您说的是“仅对TeamID 期望不同的基线，但对SujectID 的X1 有不同的基线和不同的响应”。这能解决问题吗？

【解决方案1】：

通过使用术语(1|SubjectID)，您是在告诉模型仅针对SubjectID 的不同实例预期不同的基线。为了告诉模型对固定效应X1 有不同的反应，我们使用(1+X1|SubjectID)。因此，您只需要条款

(1|TeamID) + (1+X1|SubjectID)

在你的模型中。

顺便说一句，Cross Validated 上有很多很好的信息。

【讨论】：