Question

这是我的原始问题的完整记录

让我们假设我正在研究在重复测量实验中收集的RT数据。作为我常规常规的一部分，我总是将RT转换为自然对数，然后计算每个参与者中每个RT 的Z分数，调整试验数。这通常通过SPSS语法中的简单回归来完成：

split file by subject.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT rtLN
  /METHOD=ENTER trial
  /SAVE ZRESID.

split file off.

在R生成数据中重现相同的过程：

#load libraries
library(dplyr); library(magrittr)

#generate data
    ob<-c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3)
    ob<-factor(ob)
    trial<-c(1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6)
    rt<-c(300,305,290,315,320,320,350,355,330,365,370,370,560,565,570,575,560,570)
    cond<-c("first","first","first","snd","snd","snd","first","first","first","snd","snd","snd","first","first","first","snd","snd","snd")

    #Following variable is what I would get after using SPSS code
    ZreSPSS<-c(0.4207,0.44871,-1.7779,0.47787,0.47958,-0.04897,0.45954,0.45487,-1.7962,0.43034,0.41075,0.0407,-0.6037,0.0113,0.61928,1.22038,-1.32533,0.07806)

    sym<-data.frame(ob, trial, rt, cond, ZreSPSS)

我可以应用公式（Mark和Daniel的解决方案的混合）来计算lm(log(rt)~trial)回归中的残差，但由于某种原因，group_by不能在这里工作

sym %<>% 
  group_by (ob) %>% 
    mutate(z=residuals(lm(log(rt)~trial)),
    obM=mean(rt), obSd=sd(rt), zRev=z*obSd+obM)

结果值清楚地表明分组没有被踢入。知道为什么它没有成功吗？

Answer 1

mylm <- lm(x~y)
rstandard(mylm)

这将返回函数的标准化残差。要将这些绑定到变量，您可以执行以下操作：

zresid <- rstandard(mylm)

实施例

a<-rnorm(1:10,10)
b<-rnorm(1:10,10)
mylm <- lm(a~b)
mylm.zresid<-rstandard(mylm)

另见：

summary(mylm)

和

mylm$coefficients   
mylm$fitted.values  
mylm$xlevels
mylm$residuals      
mylm$assign         
mylm$call
mylm$effects        
mylm$qr             
mylm$terms
mylm$rank           
mylm$df.residual    
mylm$model

Answer 2

使用dplyr和magrittr，您应该能够使用此代码计算个人的z分数（它会将内容分解为您告诉它的组，然后在该组内计算）。< / p>

experiment %<>%
  group_by(subject) %>%
  mutate(rtLN = log(rt)
         , ZRE1 = scale(rtLN))

然后，您应该可以在模型中使用它。但是，有一件事可能有助于你转向R思考，你可以直接建立自己的模型，而不必提前制作所有这些列。例如，使用lme4将subject视为随机变量：

withRandVar <-
  lmer(log(rt) ~ cond + (1|as.factor(subject))
       , data = experiment)

然后，残差应该已经是正确的比例。此外，如果您使用z分数，您可能应在该比例上进行绘图。我实际上并不确定运行z分数是什么，因为响应会让你感到兴奋 - 似乎你会丢失有关组间差异程度的信息。

也就是说，如果组紧张，但它们之间的差异因主题而异，则z分数可能始终显示为相似数量的z分数。想象一下，例如，你有两个科目，条件A的一个得分（1,1,1）和条件B的（3,3,3），第二个得分（1,1,1）和（ 5,5,5） - 两者都会给出（-9， - 。9， - 。9）vs（.9，.9，.9）的z分数 - 失去A和A之间的差异的信息受试者2中B较大。

但是，如果你真的想要转换回来，你可以用它来存储主题均值和sds，然后将残差乘以subjSD并添加subjMean。

experiment %<>%
  group_by(subject) %>%
  mutate(rtLN = log(rt)
         , ZRE1 = scale(rtLN)
         , subjMean = mean(rtLN)
         , subjSD = sd(rtLN))

lm（）使用R-confused spss用户

2 个答案: