Question

我正在尝试进行一些混合/固定效果建模，并且遇到了lme4软件包，其中包括lmer函数。但是，老实说，我对语法确实感到困惑，并且尝试过查阅文档，但是我不确定我是否完全理解，而且看来我也有所不同。

例如，我有这样的东西：

T <- lmer(Y ~ Treatment + 0 + (1|Block) + (1|Subblock), data = D, REML = FALSE)
T1 <- lmer(Y ~ 1 + (1|Block) + (1|Subblock), data = D, REML = FALSE)

任何人都可以“迅速”解释这实际上意味着什么吗？例如，|之前的1表示变量Block或Subblock应被视为随机效应，而Treatment是固定效应。但是，单数1和0呢？我可以在|之前更改1。到0，那是什么意思？

Answer 1

Y ~ Treatment + 0 + (1|Block) + (1|Subblock)

（顺便说一下，我不建议在{}中将T用作R中的变量名）

0+Treatment表示治疗的固定效果，采用“虚拟”或“治疗”编码（默认设置），抑制截距（这就是0所表示的这里）;换句话说，您将在Treatment的每个级别具有一个固定效果参数，该参数等于该处理中观察值的期望值。
(1|Block) + (1|Subblock)表示块之间和子块之间模型的截距（1在这里是指）的随机变化：假定子块是唯一编码的（例如A1，A2，... ，B1，B2，...而不是1，2，...，1，2，...）

Y ~ 1 + (1|Block) + (1|Subblock)

与上述相同，但是现在没有固定的治疗效果-仅有实验范围的拦截值。

您将比较这两个模型（例如，使用anova()进行似然比检验或使用AIC()）来检验Treatment的统计显着性。

有关lme4语法的更多详细信息，请参见GLMM FAQ或this question。

在随机效果规范中将1更改为0的PS很奇怪；如果完全有效（我不确定是否可以），那么从原理上讲，它等同于抑制随机效应（“各组之间的差异如何？什么都没有”），这将更容易实现只需将RE完全排除在公式之外...