用于纵向设计的Lmer

问题描述

我有一个纵向数据集，每个科目都有以下变量：

IV：3个因素（factorA，factorB，factorC，factorD）在干预开始和结束时分别进行两次测量。

>

DV：一个结果变量（行为），在干预开始和结束时也进行两次测量。

我想创建一个模型，该模型使用因子A，因子B，因子C，因子D的变化（从干预开始到结束的变化）来预测行为的变化（从头到尾）。

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增量值D1。我还想得出每个因子（A，B，C和D的绝对值（例如，仅使用干预每个因素），以确保我考虑了这些IV的绝对值（而不是变化）在DV上的变化。

这是我的数据集： enter image description here

到目前为止，这是我的模特：

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，因为出现此错误：

错误：每个分组因子的级别数必须为

我在做什么错？数据集结构怪异吗？我不应该使用增量值吗？我应该使用其他测试（而不是lmer）吗？

解决方法

由于您已将数据缩减为每个主题的单个观测值，因此无需使用多级/混合模型。 lmer给您带来错误的原因是，在这种情况下，对象之间的方差与剩余方差相混淆。

您可能可以继续进行分析，并使用线性模型（lm）。

更多技术细节

第i个观测值的分布方程类似于[fixed-effect predictors] + eps(subject(i)) + eps(i)，其中eps(subject(i))是与第i个观测值相关的对象的正常误差项， eps(i)是与第i个观测值相关的正常残留误差。如果我们每个主题只有一个观测值，则每个观测值都有两个唯一的误差项。两个均值为零且方差为V1和V2的两个正态变量的总和也为均值为零且方差为V1 + V2 ...的正态值，因此V1和V2是共同不可识别的。如果您确实愿意，可以使用lmerControl覆盖该错误。 lmer将返回V1的任意组合，V2估计总和为总方差。

有一个类似的示例，here。