在R中使用lme4包用于混合效果模型，我试图找出在单向ANOVA 内部主题和单向ANOVA <在主题之间。
首先，假设每个受试者都接受所有三种治疗（A，B和C）。在每种治疗中，每个受试者给我一个量度（DV）。我可以按以下方式对该主题设计进行建模：
lemr(DV ~ treatment + (1|subject), data = My_Data)
现在，假设每个对象仅接受一种治疗。对应的型号是什么？会一样吗？如果是，lemr()怎么会知道这是一个主题设计？
答案 0 :(得分：2)
如果每个受试者仅接受一种治疗，您将不再有重复测量/非独立性的问题，并且您不需要受试者的随机效果。所以您的模型应该是
DragEvent答案 1 :(得分：0)
接受的答案是错误的！
如果您丢弃受试者的随机截距，除非您先计算受试者均值然后运行lm（我假设您正在使用lmer的每个试验数据，否则您将不再进行适当的ANOVA。事实并非如此，因为主题不会随机变化，因此使用lm和lmer可获得相同的结果。在传统的方差分析中，对象始终被视为随机对象。这是通过首先平均每个组中的主题来实现的。
现在是正确的答案。当您使用lemr时，如果treatment是一个枯萎的群体因素，那么您就需要对受试者进行随机拦截。这是因为您不仅希望受试者在总体上将DV引入随机方差（因此1|subjects中的数字1代表受试者的随机截距），而且每个受试者在每种治疗情况下都可能引入随机方差（例如测试前，测试后）。因此，具有内部主题设计的方差分析的正确公式是 (1+treatment|subject)。在这种情况下，您可以为每个受试者指定一个随机斜率，以说明治疗条件下可能的生存能力。而主题设计介于 之间的ANOVA的正确公式是 (1|subject)。
您的模型是否将以随机斜率收敛是您可以通过运行模型来回答的问题。但是，即使收敛，如果没有足够的可变性要考虑，则随机斜率也可能不合理。有办法找出答案。例如，似然比测试只能用于嵌套模型（即一个模型是另一个模型的简化版本）。
此外，为了将您的lmer输出解释为ANOVA结果，您需要对分类变量进行适当的对比编码。对于ANOVA样式解释，您必须使用偏差编码。例如，如果您的因子有两个级别，则对比度为“ -0.5,0.5”。在这里查看详细信息-> http://talklab.psy.gla.ac.uk/tvw/catpred/