R - lmer 与 glmer

机器算法验证 r 广义线性模型 随机效应模型 lme4-nlme
2022-03-24 23:33:36

无法找到该主题的直接信息。

基本上,我正在尝试使用lme4包来分析我的数据,模型看起来像(A ~ BCD)+(随机效应项 1)+(随机效应项 2)。

'A' 是一个是/否响应,根据我所读到的内容,这表明我应该使用glmer(). 然而,我的实验使用了重复测量——每个受试者都经过多次试验。这是一个心理物理实验,所以有很多受试者基本上会对很多很多图像做出是/否的判断。我读过,当一个主题中有很多试验时,你应该使用lmer().

抱歉,如果给出的信息太稀疏;如果有人认为他们可以帮助我解决这个问题,我会提供尽可能多的信息。

问题:一个人究竟应该在什么时候使用lmer()vs glmer(),尤其是在心理物理实验的情况下,一个受试者将经历许多具有二项式结果的试验?

更多信息/问题的第 2 部分:我最初使用 SPSS 中的 ANOVA 分析了我的数据。SPSS 表明了一种高度显着的相互作用,一种合乎逻辑且可预测的相互作用。当运行相同的数据以建模时glmer(),这种交互非常微不足道。当运行通过时lmer,它再次显着。

如果有人可以帮助阐明这是否有意义或为什么会这样,我将非常感激。

1个回答

lmer用于拟合线性混合效应模型,因此假设残差具有高斯分布。如果您的因变量 A 是二元结果(例如是/否响应),则误差分布是二项式而不是高斯分布。在这种情况下,您必须使用glmer,它允许拟合广义线性混合效应模型:这些模型包括一个链接函数,允许预测具有非高斯分布的响应变量。可以在您的情况下工作的链接函数的一个示例是逻辑函数,它接受具有从负无穷大到正无穷大的任何值的输入,并返回总是取值介于 0 和 1 之间的输出,这可以解释为二进制的概率结果(例如受试者回答“是”的概率)。

关于重复测量设计,两者都lmer可以glmer很好地处理它,您只需将“主题”设置为主题内预测变量的分组因子(在模型的随机效应部分中)。通过这种方式,您允许这些预测变量具有固定效应(所有受试者共有)和特定于受试者的随机效应,以便您可以统计测试所有受试者共有的效果,并将特定于受试者的变化视为麻烦学期。

有关如何继续进行的更多详细信息,我会推荐这本 Knoblauch 和 Maloney 撰写的优秀书籍,其中有很大一部分内容是关于混合效应模型(使用Rlme4库)在心理物理数据建模中的应用。