Question

我正在尝试解释纵向数据中线性混合效果模型的输出。

我有3个组，在一个名为“ STATUSB”的类别中定义（因子= HC，BON和BNON）。每个组由眼睛和针对这些眼睛的重复测量组成。我已经使用LME（nlme软件包）来包含不同的时间点，并考虑了人眼之间的相关性（随机效应=〜1 | PatientID / EyeID）。

当我尝试解释输出时，问题就来了。我附上2张图片。

图片1：参考值为健康对照组。时间很重要（p = 0.0001），时间估计是负数（E = -0.001）由于时间很重要，因此我制作了另一个模型来探讨STATUS列中是否有特定的组受时间影响。否则时间会影响每个人。如图2所示。

图片2：参考值为健康对照组。在这里，我做了“时间：状态”，这里的时间不再重要了（为什么？），并且对于交互而言也不重要。但更令人惊讶的是，相互作用的估计值是一个负值（对于BNON）和一个正值（对于BON）。

问题是：

1）回到图1，我想知道是什么驱动变量“时间”的负估计，正如我们在图2的模型中看到的那样，我们组的估计是一个负和一个正。

2）使用该模型是否可以看到每个组随时间的变化？（不与参考值比较）。

3）我该如何为我的小组解释（用语言）这些经度数据？它们之间有区别吗？随着时间的流逝，他们会变得越来越糟吗？

我想看到的基本上是组内随着时间的推移存在纵向差异，如果是的话，我也很感兴趣是否存在组差异。

我希望我已经正确地解释了这一点，但是如果您有任何疑问，请问！很高兴澄清。我急于进行此分析，因此非常欢迎您提供帮助！

非常感谢您

最诚挚的问候

莉莉

图片1的代码：

GCIP~Initial.Age+ Sex+ Time+ Status, random= ~1|PatientID/EyeID

图片2的代码：

GCIP~Initial.Age+ Sex+ Time:Status, random= ~1|PatientID/EyeID