我在RStudio看了纵向模型,看着老年人和抑郁症,并且正在写出结果,但我的同事和我不同意如何解释模型。
我有:
summary(lme.1<- lme(Depression ~ Memory+Gender+Age, random=~Year|ID, data=df, na.action=na.omit))
我们的数据显示,人们(ID)在一年中有4次测量抑郁症和其他特征。
当我描述我们运行的模型时,我将其写为:
Level 1: Yit = π0i +π1i(Memory) +π2i(Gender) +π3i(Age) +εit
π0i = β00 + r0i
Level 2:
π1i= β10+ r1i
π2i= β20+ r2i
π3i= β30+ r3i
或者我是否歪曲记忆,性别和年龄变量的位置?据我了解,我没有在第2级包含任何变量。我应该吗?我不明白会有什么不同,或者如果它们是2级变量,我会如何在RStudio中对它进行不同的编码。
答案 0 :(得分:1)
首先,Age
和Year
是两个完全相关的变量,因此下面我将用时间变量t
替换它们。
@Quixotic提供的代码变为:
lme(Depression ~ Memory+Gender+t, random=~t|ID, data=df, na.action=na.omit)
估算模型
Yit = (β0 + r0i) + β1(Memory) + β2(Gender) + (β3 + r3i)(t) + εit
where r0i~N(0,σ0) and r3i~N(0,σ3)
术语Depression ~ Memory+Gender+te
和~t|ID
分别是混合效果模型的固定和随机部分,因此系数π1, π2, π3
对所有主题都是固定的。
上面描述的@Quixotic的随机截距和斜率模型可以通过以下方式估算:
lme(Depression ~ Memory+Gender+t, random=~Memory+Gender+t|ID,
data=df, na.action=na.omit)