纵向设计用Lmer

Question

我有一个纵向数据集，其中对每个主题都有以下变量：

IV: 3个因子(factorA，factorB，factorC，factorD)，每个因子在干预开始和结束时测量两次。

DV:一个结果变量(行为)，也测量两次，在干预的开始和结束。

我想创建一个模型，该模型使用change in factorA、factorB、factorC、factorD (从干预开始到结束)来预测行为中的变化(同样从开始到结束)。

我想使用factorA、factorB、factorC、factorD (从干预前到干预后)的增量值，并使用这些增量值来预测D1的增量值。我还想将每个因子(A、B、C和D)的绝对值(例如，仅使用干预开始时对每个因素的绝对值)进行修改，以确保我考虑到这些IVs的绝对值(而不是变化)对DV的影响。

这是我的数据集：在这里输入图像描述

到目前为止，我的模型如下：

Model <- lmer(Delta_behavior ~ Absolute_factorA + Absolute_factorB + 
              Absolute_factorC + Absolute_factorD + Delta_factorA + 
              Delta_factorB + Delta_factorC + Delta_factorD + 
              (1|Subject),a)

我认为我做错了什么，因为我得到了这个错误：

错误:每个分组因子的级别数必须是<观察次数

我做错了什么？数据集的结构是否怪异？我不应该使用增量值吗？我应该使用另一个测试(而不是lmer)吗？

Answer 1

因为您已经将数据简化为每个主题的单一观察，所以不需要使用多层次/混合模型。lmer给出错误的原因是，在这种情况下，主体间的方差与剩余的方差相混淆。

您可能会继续使用线性模型(lm)进行此分析。

更多技术细节

ith观测的分布方程类似于[fixed-effect predictors] + eps(subject(i)) + eps(i)，其中eps(subject(i))是与ith观测相关的对象的正常误差项，eps(i)是与ith观测相关联的正常残差。如果我们每个主题只有一个观察，那么每个观察都有两个错误项，这是它特有的。V1和V2的方差和均值为零的正态变量之和也是正态的，均值为零，方差为V1+V2。因此，V1和V2是不可识别的。如果您真的想要重写错误，可以使用lmerControl；lmer将返回一些V1的任意组合，V2估计这与总方差之和。

有一个类似的例子说明了这里。