完整的参数化模型

Question

我有一个这样的模型：

fm<-lmer(V4 ~ V2 * V3 + (1 | V1), data = data)

我想获得它的完整参数化，随机拦截和randon斜率。 我可以使用这个模型吗？

fm<-lmer(V4 ~ V2 * V3 + (1 + V2 + V3 | V1), data = data)

Answer 1

V2和V3的分组（即随机）截距和斜率的最一般模型将是

lmer(V4 ~ V2 * V3 + (V2 * V3 | V1), data = data)

考虑到V2 * V3是V2 + V3 + V2:V3的缩写，我们可以识别以下字词：

1. 固定效果偏移（来自隐式1 +）
2. V2
的固定效果斜率
3. V3
的固定效果斜率
4. V2和V3
之间的固定效果互动术语
5. V1的每个级别的随机效果偏移偏差（来自隐式(1 + ... | V1)
6. 每个级别V2
的V1的随机效应斜率偏差
7. 每个级别V3
的V1的随机效应斜率偏差
8. 一个随机效应互动术语，表示每个V2级别的固定效果V3 - V1互动的偏差
9. 随机效应之间的所有相关性

Cross Validated帖子R's lmer cheat sheet是理解各个术语以及如何连续构建最通用模型的重要资源。