Question

早晨！

即使我知道论坛上有一些关于混合效果模型的主题，也很抱歉提出我的问题。但是我认为我的问题有所不同。我必须回答有关重复测量的问题。一群人跟随抑郁症的治疗：146人（男性），每个主题的测量标准是8倍。我必须回答一个性别群体的治疗是否比另一个性别更好。我感兴趣的变量是ScoreHamilton（用于评估抑郁状态的得分），GROUPE（性别：男性或女性），TEMPS（访问的不同时间），NUMERO（主题ID）我知道我必须使用混合效果模型，但是不确定我的脚本（如下）是否正确。

modMix_H0 <-lme(ScoreHamilton~TEMPS+GROUPE, random = ~1+TEMPS|NUMERO,data= Ham_norm.mix)

我拟合了变量TEMPS（时间）和GROUPE（性别），如固定效果，NUMERO（主题），如随机效果。我想知道我是否正确到那儿

我对随机效果的方式有些犹豫。我试着像这样~1+TEMPS|NUMERO做随机截距和随机斜率，因为我注意到人们通常会像这样~1+TIME|ID做随机效果。现在，我想知道为什么不能将变量GROUPE随机插入变量~1+GROUPE|NUMERO或~1+TEMPS+GROUPE|NUMERO这样的变量。很抱歉我的问题（可能很愚蠢），但是我对混合效果模型所做的一些阅读并不能帮助我解决锻炼问题。

我的问题的另一部分是输出的解释。这是模型摘要的结果

summary(modMix_H0)

Linear mixed-effects model fit by REML
 Data: Ham_norm.mix 
       AIC      BIC    logLik
  6628.782 6663.471 -3307.391

Random effects:
 Formula: ~1 + TEMPS | NUMERO
 Structure: General positive-definite, Log-Cholesky parametrization
            StdDev     Corr  
(Intercept) 4.73695760 (Intr)
TEMPS       0.08200003 -0.353
Residual    4.72718973       

Fixed effects: ScoreHamilton ~ TEMPS + GROUPE 
                Value Std.Error  DF   t-value p-value
(Intercept) 22.989933 0.5959364 905  38.57783   0e+00
TEMPS       -0.352266 0.0109268 905 -32.23866   0e+00
GROUPEHomme  2.952001 0.8013428 144   3.68382   3e-04
 Correlation: 
            (Intr) TEMPS 
TEMPS       -0.359       
GROUPEHomme -0.652  0.012

Standardized Within-Group Residuals:
        Min          Q1         Med          Q3         Max 
-2.66404151 -0.58774912  0.02206275  0.56281247  3.97325207 

Number of Observations: 1052
Number of Groups: 146

我不知道如何解释所有参数，它们如何影响最终结果的解释（即GROUPE对Score Hamilton的影响）以及模型的质量。

尽管如此，我对这一结果的解释是，男性（Homme）的得分明显高于女性。因此，这种治疗可以更好地改善女性的心理状态（最低分数），这是我没有想到的结果。这让我想知道我如何计算模型。

我还有其他问题。我的变量VISIT是要转换为数字的因子。我的变量VISIT是因数还是数字，都可以改变吗？无论我是否在模型中使用na.omit，都会改变我的结果，因为我的数据集缺少很多值。

最诚挚的问候！

PS：很抱歉，如果我没有提供足够或准确的信息。如果是这样，我将很乐意这样做。

混合效应模型

0 个答案: