This question提出同样的问题，但尚未得到答复。我的问题涉及如何使用lm（）函数指定模型，因此是一个编程（非统计）问题。
我有一个混合设计（2个重复和1个独立预测器）。参与者首先被引导到A组或B组（这是独立预测者），然后他们评价了他们喜欢4种不同语句的程度（这是两个重复的预测因子）。 如何建模这些数据有很多很棒的在线资源。但是，我的数据是hecescedastic。所以我喜欢使用异方差一致的协方差矩阵。 This paper解释得很清楚。 sandwich和lmtest套餐非常棒。 Here是一个很好的解释，如何在R中使用lm（y~x）进行独立设计。
似乎我使用lm，否则它不会工作？
以下是回归模型的代码，假设所有方差都相等（它们不是Levene的测试结果显着）。
fit3 <- nlme:::lme(DV ~ repeatedIV1*repeatedIV2*independentIV1, random = ~1|participants, df) ##works fine
以下是纠正异方差性的独立模型的代码，该代码有效。
fit3 <- lm(DV ~ independentIV1)
library(sandwich)
vcovHC(fit3, type = 'HC4', sandwich = F)
library(lmtest)
coef(fit3, vcov. = vcovHC, type = 'HC4')
所以我的问题是，如何用lm指定我的模型？ R中的替代方法如何使我的模型适用于异方差性也是受欢迎的！
非常感谢!!!
答案 0 :(得分：1)
我的印象是，你的问题来自混合各方面的各种方法（重复测量/相关性与异方差性），这些方法不能轻易混合。你可能也会考虑固定效应，而不是只调整异方差性的推理，而不是仅仅调整异方差性的推理，你可以考虑使用高斯模型，并模拟均值和方差等。对于我来说，很难说是什么是这里最好的路线。因此，我只评论有关sandwich包的某些方面：
sandwich包 仅限于lm / glm，但原则上是面向对象的，请参阅vignette("sandwich-OOP", package = "sandwich")（另请参阅发表为doi:10.18637/jss.v016.i09。
适用于各种包装/型号的合适方法，但不适用
适用于nlme或lme4。原因在于，对于哪种混合效果模型，通常的三明治技巧实际上起作用并不是那么明显。 （免责声明：但我并不是混合效果建模的专家。）
然而，对于lme4，有一个相对较新的包
称为merDeriv（https://CRAN.R-project.org/package=merDeriv）
提供estfun和bread方法，以便sandwich协方差
计算lmer输出等。还有一份工作文件
使用该包：https://arxiv.org/abs/1612.04911