我nlme在 R 中使用包来分析纵向数据。目的是了解需求满足 ( TNS) 和需求挫折 ( ) 的变化是否可以预测参与者 ( ) 随时间 ( )TNF的幸福感 ( ) 变化。带有预测变量的模型：WBtotTimID
model4 <- lme (WBtot~Tim + TNS +TNF, random = ~ Tim|ID, data = longit, method = "ML", na.action = "na.omit")
据我了解，输出中的固定效果显示了在每个测量场合中是如何和Tim相关的。我的问题是我需要查看和on的人与人之间的影响（例如，查看具有更高的个人是否具有更大的）和个人内部的影响（例如，个人在他们拥有更大的时间点时会有更大的影响吗？）。TNSTNFWBtotTNSTNFWBtotTNSWBtotWBtotTNS
任何人都可以建议如何查看 R 中预测变量的人际影响和人际影响吗？
model4 <- lme (WBtot~RetTim + TNS +TNF, random = ~ Tim|ID, data = longit, method = "ML", na.action = "na.omit")据我了解，输出中的固定效果显示了 Tim、TNS 和 TNF 在每个测量场合与 WBtot 的关系
是的，虽然模型中有一些奇怪的东西 - 我想知道是否RetTim和Tim是同一个变量？无论如何，您对固定效果的解释基本上是正确的。每个估计值都是该变量与结果之间的关联，而其他固定效应保持不变。当您拟合随机斜率（例如Tim在 中~ Tim|ID）时，您允许该变量的固定效应在受试者之间变化。
我的问题是我需要查看
TNS和TNFon的人际效应WBtot（例如，看看是否有更高的人TNS有更大的WBtot）和人内效应。
做到这一点的一种方法是将组/受试者/ID 中的变量均值居中，并将组均值作为 2 级预测变量。因此，您将为每个组中每个变量的平均值创建新变量，然后从各个级别值中减去它，然后还将每个组的平均值与偏移变量一起包含在模型中。
lme(WBtot ~ RetTim.mean + RetTim.cent + TNS.mean + TNS.cent + NF.cent + TNF.mean, random = ~ Tim|ID)
中心变量的估计值将在主体内，而均值的估计值将在主体之间。
这有时被称为“情境效应”
另一种方法是为每个固定效果拟合随机效果 - 以便每个受试者都有自己的斜率（从全局固定效果偏移）。但是，这假设它们是正态分布的，并且可能不是您想要的。