我有一个重复测量设计，参与者连续 2 天被测量 4 次。有 2 个条件，每个参与者随机归因于第 1 天和第 2 天。
所以，这就是我的数据“dat”的负责人的样子：
“主题”只是 ID，“DV”是我的结果/因变量。
我想知道使用 R 的 lme 包的“天”、条件（“条件”）和“测量”如何影响“DV”。即使经过相当多的搜索，我仍然不确定如何设置随机效果......
到目前为止，我已经做了类似的事情：
m_base <- lme(DV ~ 1, random = ~1|subject/cond/measurement, data = dat, method = "ML")
或者
m_base <- lme(DV ~ 1, random = ~1|subject/day/measurement, data = dat, method = "ML")
然后使用 逐步添加我的变量作为固定效应，update()并使用 比较模型anova()。
不过，我不确定如何设置随机效果，因为“测量”以某种方式嵌套在“日”和“条件”中。有谁知道实施我的问题的正确方法？
看起来你有一个部分交叉，部分嵌套设计的情况，因为如果我理解正确，day并且cond是交叉的（即两者都没有嵌套在另一个中），而两者似乎都嵌套在subject.measurement是一个 id 变量，它在每天和每个条件下索引测量场合，因此不应被视为随机因素，因为每个测量场合只有一个因变量的观察值。尽管它们在每一天/条件下被索引为 1-4，但它们是不同的测量值（即，第 1 天条件 0 的测量值 1 和第 1 天条件 1 的测量值 1 不是相同的测量值），因此不能其中的随机变化。如果您以上述数据编码的方式将其指定为随机，那将是一个错误。
如果是这种情况，则lme无法拟合这样的模型，您可以使用类似的东西lme4。您可以lme4按如下方式指定结构：
DV ~ 1 + (1|subject) + (1|day) + (1|cond) + (1|subject:day) + (1|subject:cond)
如果measurement是每个day或中的时间测量，cond并且您期望一些时间效应，那么您可以将measurement其作为固定效应包括在内（如果数据支持这样的模型，也可能适合随机斜率）
但是，用随机截距拟合模型day和cond不是一个好主意，因为每个只有 2 个，所以你会要求软件估计一个只有 2 个观察值的正态分布变量的方差，这不会产生任何感觉。因此，更好的方法是将day和cond视为固定效应，并简单地为 拟合随机截距subject：
DV ~ day + cond + (1|subject)
day和cond被随机分配的事实不相关。
与上述相同的评论在measurement这里再次适用。也就是说，你可能想要适合
DV ~ day + cond + measurement + (1|subject)
同样，如果域理论建议并得到数据支持，您也可以有随机斜率day和/或cond和/或。measurement
当然，既然我们已经丢弃了day并且cond是随机的，如果您愿意，您可以返回到nlme包装（尽管在大多数情况下lme4它确实是继任者）nlme