glmerで繰り返し測定を説明する方法は？

私のデザインは以下の通りです。

$y$ はベルヌーイ応答です
$x_1$ は連続変数です
$x_2$ は2つのレベルを持つカテゴリ（変数）変数です

実験は完全に被験者の範囲内です。つまり、各被験者はと各組み合わせを受け取ります。 $x_1$ $x_2$

これは、反復測定ロジスティック回帰のセットアップです。実験により、と 2つのオジーブが得られます。1 つはレベル1、もう1つはレベル2です。の効果は、レベル2の場合、レベル1と比較して、オギブの勾配がより浅く、切片が増加することです。 $p(y=1)$ $x_1$ $x_2$ $x_2$

を使用してモデルを見つけるのに苦労していlme4ます。例えば、

glmer(y ~ x1*x2 + (1|subject), family=binomial)

私が理解している限り、その1|subject部分はそれsubjectが変則的な効果であると言っています。しかし、とが反復測定変数であることを指定する方法はわかりません。最後に、被験者のランダム効果を含み、レベル1とレベル2の推定勾配と切片を与えるモデルが必要です。 $x_1$ $x_2$

r repeated-measures glmm lme4-nlme

— ビル・シンプソン
ソース

これらのスライドには、D.Batesによる繰り返し測定の例があります。

— マーティン

165ページのうちどのページですか？ところで彼はまた利用可能な本の章を持っています。

— Bill Simpson

|subjectデータ構造（にネストされた繰り返しメジャーsubject）を指定するため、

および

を指定する必要はありません。各被験者のランダムな切片を示します（レベル2）。ここではあなただけ（を経由してインターセプトとスロープ得ることができるレベル2のために例えばを）

x_{1}

$x_1$

x_{2}

$x_2$ 1|subjectx1|subject

— ランデル

tl; dr：モデルは、測定を繰り返したという事実をすでに説明しています。それでも、それが当てはまる場合は、使用するのが最善です。

glmer(y ~ x1*x2 + (x1:x2|subject), family=binomial)

しかし、それが扱いにくい場合は、次のことを試してみてください。

glmer(y ~ x1*x2 + (1|subject) + (0+x1|subject) + (0+x2|subject), family=binomial)

_{ここでの構文の説明については、Rのlmerチートシートを参照してください。}

$x_1$ $x_2$

とにかく、変数が人の中で測定されていることをRに伝える代わりに、同じ人からのデータの非独立性を説明するために固定されたランダムまたはエフェクトを使用してモデルを公式化する必要があります。（はい、これを説明するために固定効果を使用できます。すべての人は、含まれるカテゴリ変数のレベルになります。ただし、これは少し異なる質問に答えます。ほとんど間違いなく、あなたが興味のある質問ではありません。条件のすべての組み合わせで同じ人について多くの測定値がある場合、モデルは扱いにくいでしょう。）実際には、これを説明するためにランダム効果を使用します。具体的には、被験者ごとにランダムな効果があります。

(1|subject) $x_1=0$ $x_1$ ）。ただし、GLMMはLMMよりも計算が難しいため、このようなモデルは扱いにくい場合があることに注意してください。

— gung-モニカの回復
ソース