在半对照实验中,种子被播种在大约 20 个盒子中,与 3 种土壤相关。几个月后,测量了芽的形态特征。我们想研究土壤类型对这些形态特征的影响,但在具有相同土壤类型的不同盒子中播种的新芽之间,这些特征似乎存在一些差异。
将这些数据视为嵌套数据并通过线性混合模型对其进行分析是否正确,例如:
形态特征~土壤+1|箱
或者是否有任何其他解决方案来处理这个Box变量,这是一个混淆变量,因为每个Box只与一种类型的Soil相关联。
在半对照实验中,种子被播种在大约 20 个盒子中,与 3 种土壤相关。几个月后,测量了芽的形态特征。我们想研究土壤类型对这些形态特征的影响,但在具有相同土壤类型的不同盒子中播种的新芽之间,这些特征似乎存在一些差异。
将这些数据视为嵌套数据并通过线性混合模型对其进行分析是否正确,例如:
形态特征~土壤+1|箱
或者是否有任何其他解决方案来处理这个Box变量,这是一个混淆变量,因为每个Box只与一种类型的Soil相关联。
我不知道你为什么说这Box是一个混杂因素。要成为真正的混杂因素,它应该是结果(形态特征)和暴露(土壤类型)的原因或原因的代理。
无论如何,从给出的信息来看,您似乎需要考虑每个框内可能的相关性,并且Box根据 OP 中的示例,如果每个框有足够的芽,则具有随机截距的混合效果模型将是合适的盒子。