Question

我正在尝试使用嵌套随机效果和随机系数来构建模型 R中使用lmer()的交互术语。

如下面创建的数据所示，我有一个二进制响应和两个解释变量。时间是连续的，二元是一个因素。这些数据来自6个人（AAA：FFF）在三个StudyAreas（CO，UT，MT）。因为个人只出现在一个StudyArea，所以IndID是嵌套在StudyArea中。

#Make data
Response <- as.factor(round(runif(150, 0, 1)))
Time <- round(runif(150, 2,50))
Binary <- round(runif(150, 0, 1))
IndID <- as.factor(rep(c("AAA", "BBB", "CCC", "DDD", "EEE", "FFF"),25))
StudyArea <- as.factor(rep(c("CO", "UT", "MT"),50))

 Data <- data.frame(Response, Time, Binary, IndID, StudyArea)
 head(Data) 

    > head(Data) 
  Response Time Binary IndID StudyArea
1        0   44      1   AAA        CO
2        1   16      0   BBB        UT
3        1   43      0   CCC        MT
4        0   13      1   DDD        CO
5        0   34      1   EEE        UT
6        1   10      1   FFF        MT

因为我想考虑IndID和StudyArea之间的差异，所以我已经包含了这两个术语作为随机效应，调整下面模型中的截距。

 require(lme4)
lmer1 <- lmer(Response ~ Time + Binary + (1|StudyArea) + (1|IndID), data=Data, family=binomial)
summary(lmer1)

让我们说在GLM结构中Time和StudyArea之间的相互作用（即（Time * StudyArea））是一个重要的术语。因此，除了对拦截的调整外，我还需要进行调整到坡度来考虑作为StudyArea函数的时间差异。

虽然我在贝茨的书中看过很多例子（http://lme4.r-forge.r-project.org/book/Ch4.pdf）和其他添加随机系数的帖子，我还没有看到用于交互项的rand coef。

从我从其他帖子中收集的内容来看，模型结构应该看起来像模型下面，但我期待着别人的反馈和建议。此代码适合模型，虽然我不确定它在理论上是否正确

lmer2 <- lmer(Response ~ Time + Binary + (0+Time|StudyArea) + (1|StudyArea) + (1|IndID), data=Data, family=binomial)

注意：这些是由数据组成的，结果/ p值显然没有意义。

提前致谢。

使用R中的lmer（）在GLMM中为交互项添加随机系数

0 个答案: