使用 lme4 为线性模型拟合随机因子答案

【问题标题】：Fitting random factors for a linear model using lme4使用 lme4 为线性模型拟合随机因子
【发布时间】：2020-02-06 17:24:58
【问题描述】：

我有 4 个随机因素，我想使用 lme4 提供其线性模型。但很难适应模型。

假设 A 嵌套在 B（2 级）中，而 B 又嵌套在每个 xx 指导者 (P) 中。都回复了xx女士(M)。

我想拟合我的模型以获得每个因素及其相互作用的方差。

我已经使用以下代码来拟合模型，但我没有成功。

lme4::lmer(value ~ A  + 
      (1 + A|B) + 
      (1 + P|A), 
      (1+ P|M),
    data = myData, na.action = na.exclude)

我还阅读了有趣的材料here，但我仍然难以适应模型。有什么帮助吗？

【问题讨论】：

“嵌套”意味着很多东西。您能否扩展您对实验设计的描述？如果您告诉我们 A、B、M、P 在现实世界中代表什么可能会有所帮助——这通常有助于解释（例如，如果 A 是“性”而 B 是“人”，我们通常知道每个 B 都会经历在实验期间恰好有一个 A 值...）
(1) 您能否编辑您的问题以将信息包含在您的评论中？ (2) 只是检查参与者是否真的嵌套在场合中——这意味着每个参与者都参与了一个教师/场合组合？

标签： r lme4

【解决方案1】：

猜测一下，如果嵌套结构是 (P (teachers) / B (occasions) / A (participants) )，这意味着假设一位老师的场合完全独立于任何其他老师的场合，而参与者则永远不会跨场合或老师共享，但所有教师、场合和参与者都会共享问题 (M)：

value ~ 1  + (1| P / B / A) + (1|M)

一些潜在问题：

正如您在 cmets 中所暗示的，对于具有少量水平（例如，
如果每个参与者都回答了所有问题 (M)，那么原则上可以拟合考虑参与者内问题间相关性的模型：最大模型将是~ 1 + (M | P / B / A)（它将在教师级别、教师内的场合以及教师内的场合内的参与者级别上寻找问题之间的相关性）。但是，这在实践中不太可能起作用（特别是如果每个参与者只回答每个问题一次，在这种情况下，教师：场合：参与者：问题方差将与线性模型中的剩余方差混淆）。在这种情况下，您将收到有关“可能无法识别”的错误：参见例如this question 了解更多解释/详细信息。

【讨论】：