在我的研究中，我将使用几个指标来衡量工作量。具有心率变异性 (HRV)、皮肤电活动 (EDA) 和主观量表 (IWS)。标准化后，IWS 具有三个值：
我想看看生理测量可以如何预测主观工作量。
因此我想使用比率数据来预测序数值。根据：如何在 R 中同时使用数值/分类值运行序数逻辑回归分析？这很容易通过使用该MASS:polr功能来完成。
但是，我还想考虑随机效应，例如受试者之间的差异、性别、吸烟等。查看本教程，我不知道如何将随机效应添加到MASS:polr. 或者lme4:glmer将是一个选项，但此功能仅允许预测二进制数据。
是否可以在有序逻辑回归中添加随机效应？
原则上，您可以通过将序数响应变量扩展为连续水平之间的一系列二元对比，使任何逻辑混合模型软件的机器执行序数逻辑回归（例如，参见 Dobson 和 Barnett广义线性模型简介第 8.4.6 节）。然而，这很痛苦，幸运的是，R 中有几个选项：
clmmandclmm2函数（clmm= C umulative L ink Mixed M odel ）mixor函数family="ordinal"（见?MCMCglmm）family="cumulative"（见?brmsfamily）后两个选项在贝叶斯 MCMC 框架内实现。据我所知，所有引用的函数（除了ordinal::clmm2）都可以处理多种随机效应（截距、斜率等）；他们中的大多数（也许不是MCMCglmm？）可以处理链接函数的选择（logit、probit 等）。
（如果我有时间，我会回来用一个从头开始设置序数模型的工作示例来修改这个答案lme4）
是的，可以在序数回归模型中包含随机效应。从概念上讲，这与在线性混合模型中包含随机效应相同。尽管 UCLA 站点仅演示了包中的polr()功能MASS，但有许多用于在 R 中拟合序数模型的工具。这里有更广泛（但不太详细）的概述。不过，我知道在 R 中包含随机效果的唯一方法是使用 ordinal 包。我在这里举了一个例子：有双向弗里德曼检验吗？