用于纵向设计的 Lmer

Question

我有一个纵向数据集，其中每个主题都有以下变量：

IV：3 个因素（factorA、factorB、factorC、factorD），分别在干预开始和结束时测量两次。

DV：一个结果变量（行为），也在干预开始和结束时测量两次。

我想创建一个模型，使用 factorA、factorB、factorC、factorD 的变化（从干预开始到结束的变化）来预测 行为的变化（又是从头到尾）。

我想使用factorA、factorB、factorC、factorD 的 delta 值（从干预前到干预后）并使用这些 delta 值来预测 D1 的 delta 值。我还想排除每个因素的绝对值（A、B、C 和D）（例如，仅使用每个因素干预开始时的值）以确保我考虑了这些 IV 的绝对值（而不是变化）可能对 DV 产生的变化。

这是我的数据集： enter image description here

到目前为止，这是我的模型：

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

我认为我做错了什么，因为我收到了这个错误：

错误：每个分组因子的水平数必须是

我做错了什么？数据集的结构是否怪异？我不应该使用增量值吗？我应该使用另一个测试（不是lmer）吗？

Answer 1

由于您已将数据减少到每个受试者的一次观察，因此您不需要使用多级/混合模型。 lmer 给出错误的原因是在这种情况下，主体间方差与残差方差混淆了。

您可以继续使用线性模型 (lm) 进行此分析。

更多技术细节

ith 观察的分布方程类似于[fixed-effect predictors] + eps(subject(i)) + eps(i)，其中eps(subject(i)) 是与ith 观察相关联的主题的正态误差项，eps(i) 是正态残差与ith 观察相关的错误。如果我们每个对象只有一个观察值，那么每个观察值都有两个唯一的误差项。 V1 和 V2 的均值和方差均为零的两个正态变量之和也是均值为零且方差为 V1+V2 的正态变量...因此，V1 和 V2 无法共同识别。如果你真的想要，你可以使用lmerControl 来覆盖错误； lmer 将返回V1、V2 估计值的任意组合，这些估计值总和为总方差。

有一个类似的例子说明here。