Özne tasarımında iki yönlü aşağıdaki verileri göz önünde bulundurun:
df <- "http://personality-project.org/r/datasets/R.appendix4.data"
df <- read.table(df,header=T)
head(df)
Observation Subject Task Valence Recall
1 1 Jim Free Neg 8
2 2 Jim Free Neu 9
3 3 Jim Free Pos 5
4 4 Jim Cued Neg 7
5 5 Jim Cued Neu 9
6 6 Jim Cued Pos 10
Bunu karma doğrusal modeller kullanarak analiz etmek istiyorum. Tüm olası sabit ve rastgele etkiler göz önüne alındığında, birden fazla olası model vardır:
# different fixed effects with random-intercept
a0 <- lmer(Recall~1 + (1|Subject), REML=F,df)
a1 <- lmer(Recall~Task + (1|Subject), REML=F,df)
a2 <- lmer(Recall~Valence + (1|Subject), REML=F,df)
a3 <- lmer(Recall~Task+Valence + (1|Subject), REML=F,df)
a4 <- lmer(Recall~Task*Valence + (1|Subject), REML=F,df)
# different fixed effects with random-intercept-random-slope
b0 <- lmer(Recall~1 + (1|Subject) + (0+Task|Subject) + (0+Valence|Subject), REML=F,df)
b1 <- lmer(Recall~Task + (1|Subject) + (0+Task|Subject) + (0+Valence|Subject), REML=F,df)
b2 <- lmer(Recall~Valence + (1|Subject) + (0+Task|Subject) + (0+Valence|Subject), REML=F,df)
b3 <- lmer(Recall~Task+Valence + (1|Subject) + (0+Task|Subject) + (0+Valence|Subject), REML=F,df)
b4 <- lmer(Recall~Task*Valence + (1|Subject) + (0+Task|Subject) + (0+Valence|Subject), REML=F,df)
# different fixed effects with random-intercept-random-slope including variance-covariance matrix
c0 <- lmer(Recall~1 + (1 + Valence + Task|Subject), REML=F,df)
c1 <- lmer(Recall~Task + (1 + Valence + Task|Subject), REML=F,df)
c2 <- lmer(Recall~Valence + (1 + Valence + Task|Subject), REML=F,df)
c3 <- lmer(Recall~Task+Valence + (1 + Valence + Task|Subject), REML=F,df)
c4 <- lmer(Recall~Task*Valence + (1 + Valence + Task|Subject), REML=F,df)
Bu bağlamda en uygun modeli seçmenin önerilen yolu nedir? Günlük olabilirlik oranı testlerini kullanırken önerilen prosedür nedir? Yukarı (boş modelden en karmaşık modele) modeller mi yoksa aşağı (en karmaşık modelden boş modele) modelleri mi üretiyorsunuz? Adım adım dahil etme veya hariç tutma? Yoksa tüm modellerin bir log-olasılık oranı testine girilmesi ve en düşük p-değerine sahip modeli seçmesi önerilir mi? Yuvalanmamış modelleri nasıl karşılaştırırım?
Önce uygun sabit efekt yapısını, sonra uygun rasgele efekt yapısını mı yoksa başka bir yolunu mı bulmanız önerilir (Her iki seçenek için referanslar buldum ...)?
Sonuçları bildirmenin önerilen yolu nedir? Log-olasılık oranı testinden p-değerinin, tam karışık modeli (söz konusu etki ile) azaltılmış modele (söz konusu etki olmadan) karşılaştırarak raporlaması. Ya da en uygun modeli bulmak için log-olasılık oranı testini kullanmak ve sonra en iyi modeldeki efektlerden p-değerlerini rapor etmek için lmerTest kullanmak daha mı iyi?