我已经遇到过几次这个问题，审稿人要求为使用 LMM 提供更多理由，使用传统测试代替或补充 LMM，以及类似于您使用常规线性模型报告的参数估计的完整表格.

现在我的具体问题是一位审阅者要求“包含各种模型的主要参数估计的表格”。我认为他们想要一个类似于传统表格的东西，可以报告线性模型（带有 t 检验和 p 值），但在这种情况下，分析涉及嵌套模型比较，并且每个参数中包含的每个参数都没有 t 检验模型，而是模型比较的单一测试，我在论文中做了报告。所以我不知道该怎么做——我想让审稿人满意，但我不一定想包含对评估结果没有多大用处的大量信息表。现在我只报告 beta、SE、卡方和 p 值。我还清楚地说明了每个模型中包含哪些变量。有关如何进行的任何建议？

以下是我打算回应的内容：

我们认为审稿人要求的内容类似于传统多元回归分析中报告的内容，参数估计及其伴随的统计数据以及给定模型中包含的每个变量的 p 值。但是，由于线性混合模型分析使用嵌套模型，将简化模型与具有一个附加参数的完整模型进行比较，因此测试的唯一参数是完整模型中添加的参数 (CITATION) 因此，包括表格将不支持解释以更传统的分析方式分析结果。因此，对于每个分析，我们按照建议（CITATIONS）在结果部分的正文中报告每个模型比较中测试参数的 beta 以及关键统计数据。

此外，当被问及在我的特定情况下使用 LMM 的理由时，这就是我打算回应的内容：

我们使用线性混合模型，因为这种分析使我们能够考虑由于模型中的试验类型（切换与不切换试验）而导致的可变性，同时考虑到试验嵌套在受试者中的事实，以及来自同一个人的多个响应比其他人的反应更相似。考虑到反应时间的试验类型和受试者水平差异，预计将减少我们模型中的错误，并提高我们检测任务绩效任何影响的能力。

如果您对如何改进有任何建议，我将不胜感激。同样，这些受众在统计上并不复杂，因此添加表格和补充数据只会增加他们的困惑/怀疑。

另外，请注意，我使用 LMM 的动机与我在论文中看到的不同（例如，同时建模多个随机效应——在我的例子中，只有一个随机效应——参与者，而试验类型是固定效应），所以我不确定引用一些常见的论文是否有帮助。我可能忽略了分析这些数据的其他方法，所以我使用 LMM 的理由并不恰当。