问题描述
对于我当前的论文，我对变量 1 和变量 2 之间的纵向关联感兴趣。这两个变量都是连续的，在 210 名受试者中每周测量一次，持续 20 周。
我们的假设是 (1) 变量是相关联的，以及 (2) 这种关联的强度会随着时间的推移而改变（即在测量期间变大）。
为了检验我们的假设，我想在 R-studio 中使用 NLME 包进行线性混合模型
我首先创建了一个没有“时间组件”的模型，以查看变量是否相关联。下面的代码包括随机斜率（我检查了添加随机斜率是否会导致比单独使用随机截距的模型更好的模型）。
model<-lme(v1~ 1 + v2,random = ~ 1 + v2| subject_ID,data = d) # including random slope
这就引出了我的第一个问题。对于我的论文，我对“组内系数”感兴趣，而该模型提供的 B 包括组内系数和组间系数的组合。有没有办法去除组间成分并提取组内系数？
其次，为了查看关联强度是否随时间变化，我添加了变量“周”作为交互项。
model<-lme(v1~ 1 + v2 * week,data = d)
交互项很重要，但我们预计不会随时间发生线性变化。我们将“周”作为因素添加到我们的模型中，这会产生大量输出，但在尝试回答我们的研究问题时更有意义。
model<-lme(v1~ 1 + v2 * factor(week),data = d)
同样，我们只对组内系数感兴趣。但是现在，让我们假设我们能够删除组间组件。我很好奇这是否是分析变量之间关联随时间的发展（即关联的变化）时要走的路。
希望有人能回答我的问题！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）