【发布时间】：2019-11-12 20:57:40
【问题描述】：
我想研究以下问题：四级名义变量（A）如何依赖于五级序数变量（B）。我还想包括一个随机项 (C)，它是一个名义变量。 （例如，如何选择四种产品（product1、product2、product3、product4）中的一种取决于该人看到广告的频率（未看到、稀有、平均、经常、非常频繁），并知道该人所在的地区生活会影响产品偏好和看到广告。）
所以理想的模型应该是这样的： A ~ B + (1|C)。 （或者举个例子：product ~ frequency + (1|district)。
我想这可以通过通用线性混合模型 (GLMM) 进行研究。但是，我还没有找到可以处理四级名义因变量的任何类型的 GLMM。如果随机项不重要，使用简单的卡方检验会很好，但随机项确实很重要。
我想知道将因变量二值化并创建四个模型而不是一个模型是一种解决方案。第一个模型中的新因变量将选择或不选择product1，在第二个模型中它将选择或不选择product2，依此类推。所以新模型看起来像这样：
model1：他们是否选择product1（是/否）~频率+（1|地区）
model2：他们是否选择product2（是/否）~频率+（1|地区）
model3：他们是否选择product3（是/否）~频率+（1|地区）
model4：他们是否选择product4（是/否）~频率+（1|地区）
作为事后测试，我会使用 Tukey 测试。
我不确定使用四个模型而不是一个模型是否是一个好的解决方案，但到目前为止，这是我能想到的最好的解决方案。我很乐意收到任何建议。
（我与 R 合作。）
【问题讨论】：
标签： r model chi-squared