如何在线性混合效应模型中输入连续变量作为随机效应?

机器算法验证 混合模式
2022-04-12 02:50:58

我使用多个不同的家庭块从 4 种不同类型的杂交中收集了幼鱼生长的数据,并且我试图使用线性混合效应模型查看杂交类型是否对生长有影响。我有一个固定因素(长度)、3 个分类随机因素(父系、母系和父系/母系相互作用)和一个连续随机因素(每缸密度)。由于我对 R 和混合效应模型比较陌生,我想知道我是否必须将 R 中的连续随机因子与使用 lme4 的分类随机因子编码不同?

到目前为止我有

model5=lmer(Length~(1|Dam)+(1|Sire)+(1|Sire:Dam)+(1|Density))
model6=lmer(Length~Cross+(1|Dam)+(1|Sire)+(1|Sire:Dam)+(1|Density))

密度编码是否正确,或者由于它是一个连续变量,我是否必须更改它?

1个回答

我将详细说明我认为 Sergio 在他的评论中的意思。

随机效应总是与分类变量相关联。此分类变量通常会将观察结果划分为不同的观察单位(例如,这可能Dam在您的数据集中,因为假设来自同一个大坝的观察结果比来自不同大坝的观察结果更相似似乎是合理的。使用类似的东西(1|Dam)会给你一个对该变量的随机截距。

使用像Density您这样的连续预测器可以获得预测器的随机斜率。然后你必须(Density|Dam)在你的模型公式中使用。这将为您提供(随机)斜率,即 的效果Density,对于 的每个级别Dam

您在上面的代码中所做的是强制Density用作分类预测器,即为Density. 这可能不是你想要的。