如何将纵向效果纳入线性混合效果模型中

问题描述

我需要使用线性混合效应模型评估2次访问之间的脂肪的纵向变化。

我有一些会从访问1更改为访问2，因为它们是高血压状态，糖尿病状态，bmi，腰围，吸烟状况等。而其他变量在访问后不会改变1造访2，因为他们是性别或种族。

以下变量是虚拟变量（高血压状态，糖尿病状态，吸烟状况，性别），而以下变量是连续变量（ bmi，腰围，年龄）。

我最初使用nlme软件包的想法表示为：

lme(fat~ diabetes_status + hypertension_status + bmi + waist + smoker + gender + ethnicity + Visit,random= ~1|PatientID/Visit,data = df,na.action = na.omit)

访问有2个级别（1和2）

问题：

1. 您认为这是评估脂肪是否纵向变化的正确方法吗？
2. 您认为其中包含太多固定效果吗？

PS：我为您提供一个示例数据集：

 df <- data.frame(PatientID = c(1000344,1000344,1001471,1002830,1002830),Visit = c(1,2,1,2),fat= c(  8.510,14.456,4.612,4.738,18.021,25.740),diabetes_status= c("False","True","False","True"),hypertension_status= c("True",bmi= c(32.0386,33.4919,29.6878,28.7660,26.1540,26.2788),waist= c(105,105,98,101,91,96),smoker= c(1,0),gender= c(1,1),ethnicity= c(1,stringsAsFactors = F)

谢谢！

解决方法

您拥有的并不是一个糟糕的开始。固定效果参数（您可以通过在模型对象上运行fixef()来获得），这些参数应该可以指示每个模型对结果变量的固定效果的“整体”效果。

在不知道您拥有多少数据的情况下很难说模型是否包含太多固定效果。其他一些因素也可能很重要，例如预测变量的变化程度（尤其是虚拟变量）。对于您的样本数据集，您肯定有太多固定影响，但是，我猜测您的实际数据集中有六个以上的观察值。一些低垂的水果可能是去除BMI或腰围。两者本质上都是试图衡量同一件事。

我建议您与J.C.的Pinheiro和D.M.的Bates花一些时间。 （2000年），《 Springer中的S和S-PLUS中的混合效应模型》。这是一个极好的资源，其中包含许多不同的示例。混合效应模型是一个大话题。我相信这本书还对建立模型复杂性的顺序有一些章节，以及如何测试加法或固定效应和随机效应是否可以改善模型。例如，在评估固定/随机效应的包含/去除时，是否使用最大似然或受限最大似然来拟合模型很重要。

编辑：我刚刚注意到您只有两次访问。最好剥离访问模型层，然后将两次访问之间的“脂肪变化”建模为结果。如果在两次访问中每位患者每次只有一个测量值，则也不需要患者ID级别。因此，您可以使用简单的线性回归模型。但是，根据您提供的样本数据，我对您的数据做了很多假设。