Question

我对R中的模型设置有疑问，经过长时间彻底的搜索，我没有找到回答我的两个问题的线程：

我将首先描述一下设置：

它是一个重复测量数据集，有两种不同的干预措施（食物和训练），每种干预都有两个层次。所有参与者都经历了各种条件的组合。在一天中收集激素样品。年龄和BMI作为协变量包括在内。

这是一个可重复的数据集：

ID <- rep(rep(c("A","B","C"),each=5),4)
TIME <- rep(paste(sprintf("%02i",9:13),"00",sep=":"),12)
training <- rep(rep(rep(c("T1","T2"),each=5),each=3),2)
food <- c(rep(rep(c("F1","F2"),each=5),each=3),rep(rep(c("F2","F1"),each=5),each=3))
hormone <- rnorm(n = 60,mean=5,sd=2)
BMI <- as.numeric(rep(rep(c(22,27,25),each=5),4))
age <- as.numeric(rep(rep(c(26,27,23),each=5),4))
DF <- as.data.frame(cbind(ID,TIME,training,food,hormone,BMI,age))


DF$BMI <- scale(as.numeric(DF$BMI))
DF$age <- scale(as.numeric(DF$age))
DF$hormone <- as.numeric(as.character(DF$hormone))

现在我有两个主要问题：

1）首先，我想评估两种干预措施对基线激素水平的相互作用。为此，我设置了以下模型：

model.df <- DF[DF$TIME=="09:00",]

m1 <- lmer(hormone~training*food+age+BMI+(1+training*food|ID),model.df)

但是，无法设置此模型，因为

Error: number of observations (=16) <= number of random effects (=16) for           term (1 + training * food | ID); the random-effects parameters and the residual variance (or scale parameter) are probably unidentifiable

当我从随机效果中排除交互项时，它确实有效：

m1＆lt; - lmer（激素〜训练*食物+年龄+ BMI +（1 +训练+食物| ID），model.df）

我现在想知道这是否仍然是测试交互的有效模型？因此，我的空模型将是：

m0 <- lmer(hormone~training+food+age+BMI+(1+training+food|ID),model.df)

现在到第二点：

2）

我们还希望监测时间过程中的荷尔蒙变化。

但是，我不知道如何在模型中包含时间。

正如此帖子https://stats.stackexchange.com/questions/245866/is-hour-of-day-a-categorical-variable

所指出的那样

它可以作为循环变量包含在内，但是，由于我的采样不会涵盖整天，我不知道如何在我的情况下实现这一点。有人可以帮忙吗？

此外，我不知道如何设置包含时间变量的模型。

我们仍然对两种干预措施的相互作用感兴趣，所以我会设置类似下面的模型。（现在假设时间为数字）

model.df <- DF
model.df$TIME <- as.numeric(model.df$TIME)

m2 <- lmer(hormone~training*food*TIME+age+BMI+(1+training*food*TIME||ID),model.df)

但是：1）此模型不收敛

Warning messages:
1: In commonArgs(par, fn, control, environment()) :
  maxfun < 10 * length(par)^2 is not recommended.
2: In optwrap(optimizer, devfun, getStart(start, rho$lower, rho$pp),:
  convergence code 1 from bobyqa: bobyqa -- maximum number of function   evaluations exceeded
3: In checkConv(attr(opt, "derivs"), opt$par, ctrl = control$checkConv,      :
  Model failed to converge with max|grad| = 0.0035331 (tol = 0.002, component 1)

和2）您是否认为这是一种适合随时间推移的互动效果的模型？

然后将针对以下空模型进行测试：

m02 <- lmer(hormone~training*TIME+food*TIME+age+BMI+(1+training*TIME+food*TIME||ID),model.df)

我希望这些问题对于一个线程来说不是太多问题，我会对任何指针都非常高兴。非常感谢。

在随机效应中建模交互项，并在增长模型中对白天进行编码lme4

0 个答案: