【发布时间】：2020-02-20 03:53:34
【问题描述】：
我是新手。我想知道，喜欢公式
lmer(extro~1+open+social, data)
或
lmer(extro~open+social+(1+agree|school),data)
或
glm(extro ~ open + agree + social + school*class - 1, data)
1作为预测变量是什么意思？
【问题讨论】：
【发布时间】：2020-02-20 03:53:34
【问题描述】：
1 表示拦截。默认情况下，截距始终存在，因此1 + 实际上并没有添加任何内容，但它可以明确表示正在估计截距，这有助于清晰。 - 1 表示不应估计截距。另一种方法是0 +。
在lmer() 中，当包括随机效果时，包括1 有时是必要的，但总是有用的。 (1|school) 表示您要估计随 school 变化的随机截距。 (1 + open|school) 表示您要估计 open 的随机截距和随机斜率。另一种写法是(open|school)，因为拦截是隐式的。这是不好的做法，因为是否请求随机截取是不明确的，而在包含1 + 时它是明确的。可以估计具有固定截距但随机斜率的模型；为此，您可以包含(open - 1|school)。
【讨论】：