【发布时间】：2014-02-08 21:11:16
【问题描述】：
我正在使用 nlme 包中的 REML 进行线性混合效果模型拟合。这些是对我有用的代码：
# Linear mixed-effects model fit by REML (intercept and not slope)
x <- lme (DV ~ IV1 + IV2 + IV1*IV2, data=a.frame, random=~1|speaker)
summary(x)
# Linear mixed-effects model fit by REML (slope and no intercept)
x1 <- lme (DV ~ IV1 + IV2 + IV1*IV2, data=a.frame, random=~IV3-1|speaker)
summary(x1)
# Linear mixed-effects model fit by REML (slope and intercept)
x2 <- lme (DV ~ IV1 + IV2 + IV1*IV2, data=a.frame, random=~IV3|speaker)
summary(x2)
#nested random effect
x5 <- lme (DV ~ IV1 + IV2 + IV1*IV2, data=a.frame, random=~1|speaker/item)
summary(x5)
我真正想做的是将扬声器和项目分别作为随机效果的模型。我曾尝试使用这个公式：
x4 <- lme (DV ~ IV1 + IV2 + IV1*IV2, data=a.frame, random=~1|speaker + 1|item)
但是，这个公式给了我以下警告信息：
Warning message:
In Ops.factor(speaker, 1) : + not meaningful for factors
你知道这意味着什么吗？以及如何将扬声器和项目分别作为随机效果进行拟合？
【问题讨论】：
-
使用包 lme4。它为您定义模型的随机部分提供了更大的灵活性。
-
但是我不能直接从那个包中获取 p 值，因为我正在使用新版本的 R，可以吗？我以前试过那个包，我不能使用“pval”功能。 / 这个包很方便，因为它直接给了我 p 值。 / 我试过这些公式：
-
x
-
如果您将
lme4与lmerTest包一起使用，您可以指定模型并获得所需的p值（通过Satterthwaite或Kenward-Roger近似）。lme无论如何都不会为您提供正确 p 值的可能性相当大... -
感谢本·博尔克。现在看来我不必再使用 lmerTest 了，因为我在 LMM 之后使用 lsmeans 进行了成对比较，这直接给了我 p 值。