我是线性混合模型的新手,所以我有很多东西要学习。我有一个蛋白质的纵向数据,在三年中测量了三次(T0,T1,T2)。在3个独立的组(A,B,C)中测量该蛋白质。另外,我也有年龄和性别的数据。我想测试一下,在调整了年龄和性别之后,三组中的每组中的蛋白质是否随时间变化显着。
我只尝试对其中一个组(C组)进行R检验,以蛋白质为因变量,以时间,年龄和性别为固定因子,以个体为随机因子。但是我不确定将控制因素(年龄和性别)作为固定因素是否正确。另外,是否可以在模型中的三个组之间进行比较?将个体作为随机因素是否已经解决了个体差异,例如年龄和性别,这样我就不必在固定因素中考虑它们了?
我得到的随机效应相关系数为-0.77,这意味着一个人的基线蛋白值越高,接下来的几年中该人的蛋白水平下降的可能性就越大,对吗?
感谢任何帮助!
Mymodel <- lmer(Protein ~ Time + Gender + Age + (1 + Time | Number), db)
Linear mixed model fit by REML ['lmerMod']
Formula:
Protein ~ Time + Gender + Age + (1 + Time | Individual)
Data: db
REML criterion at convergence: 497.9
Scaled residuals:
Min 1Q Median 3Q Max
-1.7724 -0.4344 -0.2301 0.3581 2.1297
Random effects:
Groups Name Variance Std.Dev. Corr
Individual (Intercept) 133.598 11.558
Time 5.981 2.446 -0.77
Residual 26.496 5.147
Number of obs: 73, groups: Number, 27
Fixed effects:
Estimate Std. Error t value
(Intercept) -17.9939 19.4572 -0.925
Time -1.6335 0.9283 -1.760
GenderMale -0.5786 3.6547 -0.158
Age 0.7455 0.3091 2.411
Correlation of Fixed Effects:
(Intr) Time GndrMl
Time -0.133
GenderMale 0.268 0.007
Age -0.986 0.020 -0.353