考虑以下lme4模型：Y ~ X*Condition + (1+X|Trial).
这里Trial嵌套在一个二进制文件Condition中。该模型计算随机截距的方差、随机斜率的方差以及随机截距和随机斜率的相关性。我想计算所有这些值，但分别计算条件 A 和条件 B。我该怎么做？
额外的实验细节
我们进行的实验是一个二选一的任务，人们必须选择正确的答案。任务中有两个条件（条件 A 和 B），其中一个会使任务变得更难。所有参与者都经历了条件 A 和条件 B 的试验集。所有试验都编码在一个名为Trial的变量中- A 试验被命名为 A1、A2、A3 和 B 试验 B1、B2、B3... 我们想要从 X（连续变量）预测 Y（二项式变量），同时控制不同试验中的随机效应。
感谢@amoeba 并在此处使用@BenBolker 的简短评论
dummy()通过使用辅助函数构造一个指示变量以乘以各个感兴趣的水平，可以稍微笨拙地实现扩展，例如允许每个（固定效应）组的随机效应的不同残差或不同方差-协方差矩阵。
我们找到了问题的根源。
解决方案如下：
Y ~ X*Condition +
(X*Condition | Subject) +
(0 + dummy(Condition, "A") + X:dummy(Condition, "A") | Trial) +
(0 + dummy(Condition, "B") + X:dummy(Condition, "B") | Trial)
summary(model)随机效应产生 ：
Groups Name Variance Std.Dev. Corr
subject (Intercept) 0.89343 0.9452
X 0.11695 0.3420 -0.85
ConditionB 0.66731 0.8169 -0.33 0.06
X:ConditionB 0.07391 0.2719 0.34 -0.05 -0.47
Trial dummy(Condition, "A") 0.63854 0.7991
dummy(Condition, "A"):X 0.09372 0.3061 -0.76
Trial.1 dummy(Condition, "B") 0.88833 0.9425
dummy(Condition, "B"):X 0.12175 0.3489 -0.60
这现在很有意义，因为只有可以计算的相关性是在特定条件下的截距和斜率之间（因为它们是针对相同的试验估计的）。条件之间的相关性是毫无意义的。
此外，coef(model)$Trial现在显示逻辑值：
dummy(Condition, "A") dummy(Condition, "A"):X dummy(Condition, "B") dummy(Condition, "B"):X (Intercept) X ConditionB X:ConditionB
A1 0.9198822 0.0209849 0 0 2.703544 -0.9929765 -0.07102448 0.2415836
A2 -1.3029020 0.3894812 0 0 2.703544 -0.9929765 -0.07102448 0.2415836
A3 1.1294702 -0.2475288 0 0 2.703544 -0.9929765 -0.07102448 0.2415836
B1 0.000000000 0.0000000000 1.21725268 -0.305314643 2.703544 -0.9929765 -0.07102448 0.2415836
B2 0.000000000 0.0000000000 0.88317976 -0.209529267 2.703544 -0.9929765 -0.07102448 0.2415836
B3 0.000000000 0.0000000000 0.27859781 -0.065708851 2.703544 -0.9929765 -0.07102448 0.2415836
注意当为此目的指定随机效应时，重要的是：
|Trial. 如果您不这样做，lme4将估计所有试验的随机效应，而不仅仅是给定条件。lme4在所有试验中包括一般随机截距。