Question

我已经搜索过类似的问题，如果有相关的问题我错过了，那就道歉了。所以道歉。

我在各种条件下查看馈线（因变量）花费的时间，每个主题访问馈线30次。

受试者接触一种类型的喂食器，其具有香味/无味的不同组合，具有视觉图案/空白，并且具有以两种空间布置之一呈现的这些视觉或香味图案。

到目前为止，我的模型是：

mod<-lmer(timeonfeeder ~ scent_yes_no + visual_yes_no + 
    pattern_one_or_two + (1|subject), data=data)

如何将访问号码合并到模型中，看看这些因素是否会影响馈线上的时间？

Answer 1

您有多种选择（对于CrossValidated，这个问题可能稍微好一点。）

正如@Dominix建议的那样，随着时间的推移，您可以允许进纸器的时间线性增加或减少。允许这种变化在不同的鸟类之间变化是有意义的：
```
timeonfeeder ~ time + ... + (time|subject)
```
你可以允许随时间变化的任意模式（即不仅仅是线性的）：
```
timeonfeeder ~ factor(time) + ... + (1|subject)
```
这可能对你的情况没有意义，因为你有大量的观察，所以它需要很多参数（如果你有，比如每个人有3个时间点，那就更明智了）< / p>
您可以通过添加模型允许更复杂的变化模式，即建模随着三次样条曲线随时间的变化。例如：
```
library(mgcv)
gamm(timeonfeeder ~ s(time) + ... , random = ~1|subject
```
（1）这假设不同科目的时间模式相同; （2）因为gamm()使用lme而不是lmer，你必须将随机效果指定为单独的参数。（您也可以使用gamm4包，它在引擎盖下使用lmer。）

您可能希望允许时间自相关。例如，

lme(timeonfeeder ~ time + ... ,
    random = ~ time|subject,
    correlation = corAR1(form= ~time|subject) , ...)