Pertimbangkan data berikut dari dua arah dalam desain subjek:
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
Saya ingin menganalisis ini menggunakan model linier campuran. Mempertimbangkan semua kemungkinan efek tetap dan acak ada beberapa model yang mungkin:
# 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)
Apa cara yang disarankan untuk memilih model pemasangan terbaik dalam konteks ini? Saat menggunakan tes rasio log-likelihood apa prosedur yang direkomendasikan? Membuat model ke atas (dari model nol ke model paling kompleks) atau ke bawah (dari model paling kompleks ke model nol)? Inklusi atau pengecualian bertahap? Atau direkomendasikan untuk menempatkan semua model dalam satu uji rasio log-likelihood dan memilih model dengan nilai p terendah? Bagaimana membandingkan model yang tidak bersarang?
Apakah disarankan untuk pertama-tama menemukan struktur efek-efek yang sesuai dan kemudian struktur efek-acak yang sesuai atau sebaliknya (saya telah menemukan referensi untuk kedua opsi ...)?
Apa cara yang disarankan untuk melaporkan hasil? Melaporkan nilai-p dari uji rasio log-likelihood yang membandingkan model campuran lengkap (dengan efek yang dipertanyakan) dengan model yang dikurangi (tanpa efek yang dipertanyakan). Atau lebih baik menggunakan uji rasio log-likelihood untuk menemukan model pemasangan terbaik dan kemudian menggunakan lmerTest untuk melaporkan nilai-p dari efek dalam model pemasangan terbaik?
lmer
tidak memungkinkan varians negatif tetapi jelas korelasi negatif antara komponen varians.