我一直在 SAS 中运行重复测量混合模型,F 统计量的分母自由度似乎非常高。在这种情况下,我大约有 200 个人,每个人有 3 个测量值(重复声明),自由度超过 500。所以它似乎大致反映了观察的数量。我查看了几篇文章,在其他地方发现了相同的模式,但作为一个统计初学者,我不确定它是否可以;还是伪复制?我还注意到,改变协变量结构对自由度有很大影响。
- 为什么此类设计的自由度如此之高,或者我的模型可能存在严重问题?
- 关于重复测量混合模型的一些建议阅读可以帮助我理解这一点?
我一直在 SAS 中运行重复测量混合模型,F 统计量的分母自由度似乎非常高。在这种情况下,我大约有 200 个人,每个人有 3 个测量值(重复声明),自由度超过 500。所以它似乎大致反映了观察的数量。我查看了几篇文章,在其他地方发现了相同的模式,但作为一个统计初学者,我不确定它是否可以;还是伪复制?我还注意到,改变协变量结构对自由度有很大影响。
除非我读错了,否则您在标准重复测量方差分析中将具有大约这么多的自由度。ANOVA 误差是受试者与效果之间的相互作用,需要两者的自由度。但是,如果您在每个时间间隔进行多项测量,那么是的,混合效应模型的自由度要高得多。
如果您进行重复测量方差分析,这不是您遇到的标准伪复制问题。使用 ANOVA,您只对有问题的影响进行建模,并且应该聚合您的数据以获得对每个 S 的每个影响的更好估计。使用混合影响建模,您可能会对每个数据点进行建模,即使是您为了准确性而采取的那些伪重复测量。您可以这样做,因为您明确表示这些单独的度量被分组在主题内和这个因素内等。因此,您通常可以拥有更多的自由度。虽然,正如我之前所说,无论如何,这听起来不像是这种情况。