我在R中正确指定我的纵向模型时遇到了一些麻烦 . 我的分析是在三个时间点评估得分中的性别差异 . 实际上，我想看看性别是否具有更高的分数和/或不同的变化率 . 我知道我试图看看性别之间的截距和/或斜率是否不同，但我不确定如何构建模型/输入什么作为固定或随机效果 .
我的数据的一个小例子：
'data.frame': 108 obs. of 10 variables:
$ PNumber : Factor w/ 36 levels "P1002","P1004",..: 1 1 1 2 2 2 3 3 3 4 ...
$ Sex : Factor w/ 2 levels "Female","Male": 1 1 1 1 1 1 1 1 1 2 ...
$ Visit : Factor w/ 3 levels "V1","V2","V3": 1 2 3 1 2 3 1 2 3 1 ...
$ V1 : int 1 0 0 1 0 0 1 0 0 1 ...
$ V2 : int 0 1 0 0 1 0 0 1 0 0 ...
$ V3 : int 0 0 1 0 0 1 0 0 1 0 ...
$ TD : num 0 0 0.1818 0.0909 0.3636 ...
其中'TD'是测量分数，'PNumber'是ID变量，'Visit'表示测量时机 .
根据我的理解，模型来测试拦截的差异：
m1 <- lmer(TD ~ Sex + Visit + (1|PNumber), data=data)
对于斜坡：
m2 <- lmer(TD ~ Sex * Visit + (1+Sex|PNumber), data=data)
这些模型是否捕获了我想要评估的内容？
我真的很感谢任何正确方向的帮助 . 在过去的几周里，我对R拼凑了一个非常基本的理解，所以如果我错过了一些非常简单的事情，我会道歉 .
1 回答
因此，1级组是重复测量（访问），2级组是个体（PNumber） . 这就是我要做的事（我认为你很接近）：
从无条件模型开始：
然后，允许随着时间的推移在2级随机变化：
然后，为您的模型添加性别：
这将提供性别的固定效应估计，告诉您性别是否是更高分数的重要预测因子 .
然后，添加随时间和性别的变化之间的交互：
这将为随时间变化和性别之间的相互作用提供固定效应估计，告知您性别之间的分数变化率是否显着不同 .