lmer语法问题

Question

我试图做一些混合/固定效果的建模，并遇到了lme4包，其中包括lmer函数。但老实说，我真的对语法感到困惑，我试着查看了文档，但我不确定我是否完全理解，而且似乎我有一些不同之处。

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)

有人能“快速”解释一下这到底是什么意思吗？就像，1之前的1表示变量Block或Subblock应该被视为随机效应，而Treatment是一个固定的效应。但是单曲1和0呢？我能把1改为0吗?如果是的话，这意味着什么？

Answer 1

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

(顺便说一句，我不建议在R中使用T作为变量名。)

• 0+Treatment表示处理的固定效果，在“虚拟”或“处理”编码(默认)中，拦截被抑制(这就是0在这里表示的)；换句话说，每个级别的Treatment都有一个固定效果参数，等于该处理中观测值的期望值。
• (1|Block) + (1|Subblock)表示模型在块之间和子块之间的随机变化(这就是1在这里所指的)：它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)

和上面一样，但是现在没有固定的治疗效果--只有一个实验范围的截取值.

您可以比较这两个模型(例如，与anova()进行似然比检验或AIC())来检验Treatment的统计意义。

有关GLMM常见问题或这个问题语法的详细信息，请参阅lme4或lme4。

PS在随机效应规范中将1转换为0是很奇怪的；如果它能起作用(我不确定它会起作用)，原则上它就相当于抑制这种随机效应(“不同群体之间有什么不同?没有”)--如果把这个RE完全排除在公式之外就更容易做到……