Question

如何在lmer()中提取固定因子的参考水平组合？

我们假设我们有模特：

fx <- lmer(RT ~ size + response + noise:size + noise:prime
                 + (1+noise|subject) + (1+noise|picture),
                 data=df, REML=FALSE)

df中的级别：

levels(size) = c('1', '2')
levels(noise) = c('0', '4')
levels(prime) = c('yes', 'incorr', 'no')
levels(response) = c('left', 'up', 'right', 'down')
levels(picture) = rep(1:7)
levels(subject) = rep(1:20)

在模型摘要中，我们看到：

Fixed effects:
                               Estimate Std. Error t value
(Intercept)                 381.409     38.675   9.862
size_2                      -46.914     14.814  -3.167
responce_up                  60.028     17.633   3.404
responce_right                5.640     16.764   0.336
responce_down                87.455     17.073   5.123
size_1:noise_4               91.443     38.346   2.385
size_2:noise_4              141.050     37.765   3.735
noise_0:prime_incorr          4.758     22.278   0.214
noise_4:prime_incorr         72.849     35.988   2.024
noise_0:prime_no             16.736     22.407   0.747
noise_4:prime_no             90.058     34.427   2.616

现在我们需要计算每个固定因素导致的效果大小（如果它包含在模型中）。

如果我理解正确(Intercept)根据按字母顺序选择的固定效果水平估算目标变量。如果我们只有简单的固定因子，那么很容易猜到这个水平。但是，如果我们还在模型中使用(Intercept)这样的互动，那么size:nose包含哪些内容？

从线性混合模型

0 个答案: