从 SPSS 到 R：在 gls 中定义具有随机效应和重复测量的双截距模型

Question

我是 R 新手，正在尝试从我的 SPSS 分析中重现结果，但似乎遗漏了一些东西。

我正在尝试使用 nlme 包中的 gls 运行线性混合效果模型。 我试图重现的 SPSS 语法是：

MIXED Satisfaction_A BY Role
  /FIXED=Role | NOINT SSTYPE(3)
  /METHOD=ML
  /PRINT=SOLUTION TESTCOV
  /RANDOM=Role | SUBJECT(focalid) COVTYPE(UNR)
  /REPEATED=Role | SUBJECT(dyadid*focalid) COVTYPE(UNR).

本质上，它是一个包含嵌套数据的双截距模型，其中焦点 ID 是级别 2/嵌套变量，其中包含 2 个满意度响应，以角色区分。

我目前的R代码是：

gls(Satisfaction_A ~ Role -1, #Two-intercept approach
       data = chlpairwise,
       correlation = corSymm(form = ~1|focalid/dyadid),
       weights = varIdent(form = ~1|Role),
       method = "ML",
       na.action = na.omit)

回归系数与 SPSS 中的回归系数非常相似。但是我在代码中遗漏了什么，以便我可以像在 SPSS 中一样查看协方差参数？ SPSS Covariance Parameters

非常感谢！我希望继续学习，以便我最终能够回馈这个社区，感谢我收到的所有帮助。 :)

Answer 1

您可能需要使用函数getVarCov() 从拟合的边际模型中返回边际协方差矩阵。如果您使用函数 lme() 拟合线性混合效应模型，它也将起作用。