我在解释使用 lme 执行的分析结果时遇到了一些困难。我进行了一个实验,受试者必须估计在涉及空间测量的任务中经过的时间(例如,受试者观看了汽车行驶一定距离的视频游戏)。我的目标是确定感知时间与汽车行驶空间之间是否存在线性关系。受试者经历了两种不同的情况(例如汽车行驶了两个距离),每种情况都重复了两次。因此,鉴于涉及重复测量的实验设计的性质,我不能使用简单的线性模型,但我必须使用带有随机截距的混合效应线性模型。
我使用R语言,我采用这个公式来解决我的问题
library(nlme)
summary(lme(Time ~ Distance, data = my_Table, random = ~1 | Subject))
我得到的输出是:
Linear mixed-effects model fit by REML
Data: my_Table
AIC BIC logLik
608.315 618.4454 -300.1575
Random effects:
Formula: ~1 | Subject
(Intercept) Residual
StdDev: 2.964139 4.919044
Fixed effects: Time ~ Distance
Value Std.Error DF t-value p-value
(Intercept) 5.518714 0.8212930 64 6.719543 0.0000
Distance 0.013092 0.0053225 64 2.459718 0.0166
Correlation:
(Intr)
Distance -0.415
Standardized Within-Group Residuals:
Min Q1 Med Q3 Max
-1.2904862 -0.4302117 -0.2593047 0.2081889 5.0914269
Number of Observations: 95
Number of Groups: 30
现在,这个输出告诉我什么?据我研究我在网上找到的文献(我不是统计学家......),如果我是对的,这些结果告诉我时间和空间之间存在线性关系,因为 b = 0.013092 和 p -价值很重要。
现在,如果 p 值不显着,这是否意味着时间和空间之间没有线性关系?