我有一个混合模型,数据看起来像这样:
> head(pce.ddply)
subject Condition errorType errors
1 j202 G O 0.00000000
2 j202 G P 0.00000000
3 j203 G O 0.08333333
4 j203 G P 0.00000000
5 j205 G O 0.16666667
6 j205 G P 0.00000000
每个受试者提供两个errorType(O或P)的数据点,每个受试者处于条件G(N = 30)或N(N = 33) . errorType是重复变量,Condition是变量之间的变量 . 我对主要效果和互动感兴趣 . 所以,首先是anova:
> summary(aov(errors ~ Condition * errorType + Error(subject/(errorType)),
data = pce.ddply))
Error: subject
Df Sum Sq Mean Sq F value Pr(>F)
Condition 1 0.00507 0.005065 2.465 0.122
Residuals 61 0.12534 0.002055
Error: subject:errorType
Df Sum Sq Mean Sq F value Pr(>F)
errorType 1 0.03199 0.03199 10.52 0.001919 **
Condition:errorType 1 0.04010 0.04010 13.19 0.000579 ***
Residuals 61 0.18552 0.00304
条件不重要,但errorType以及交互 .
但是,当我使用lmer时,我会得到一组完全不同的结果:
> lmer(errors ~ Condition * errorType + (1 | subject),
data = pce.ddply)
Linear mixed model fit by REML
Formula: errors ~ Condition * errorType + (1 | subject)
Data: pce.ddply
AIC BIC logLik deviance REMLdev
-356.6 -339.6 184.3 -399 -368.6
Random effects:
Groups Name Variance Std.Dev.
subject (Intercept) 0.000000 0.000000
Residual 0.002548 0.050477
Number of obs: 126, groups: subject, 63
Fixed effects:
Estimate Std. Error t value
(Intercept) 0.028030 0.009216 3.042
ConditionN 0.048416 0.012734 3.802
errorTypeP 0.005556 0.013033 0.426
ConditionN:errorTypeP -0.071442 0.018008 -3.967
Correlation of Fixed Effects:
(Intr) CndtnN errrTP
ConditionN -0.724
errorTypeP -0.707 0.512
CndtnN:rrTP 0.512 -0.707 -0.724
因此对于lmer,Condition和交互是重要的,但errorType不是 .
此外,lmer结果与glm结果完全相同,让我相信出了问题 .
有人可以帮我理解为什么他们如此不同?我怀疑我正在使用lmer错误(虽然我尝试了很多其他版本,如(errorType | subject),但结果相似 .
2 回答
我相信答案是两种方法都采用不同的方法来处理方差 . ANOVA划分方差,而组(重复测量)变量只是这样做的另一个考虑因素 . ANOVA假设群体方差或同方差性的同质性,如果这种假设被严重违反,ANOVA可能不是正确的方法 .
另一方面,Lmer本质上是多级建模的功能 . 在多级框架中,您可以明确地对方差建模,引入固定效应和随机效应之间的区别(基本上是方差) . 异方差性在这里不是问题 .
另一种看待它的方法是ANOVA采用无池方法(每条线是分开的),Lmer采用部分池方法(线共享一些信息) .
此外,ANOVA使用OLS估计,而lmer使用ML版本(在您的情况下为REML) .
这是我能解释的最好的,这应该足以至少让你在自己的问题研究中找到正确的方向 . 但是,对于更精细的答案,您可能确实想在CrossValidated上提出问题 .
造成这种差异的另一个原因是,当您使用lmer(与您的场景描述一致)时,您将errorType视为固定效果,而是作为嵌套在aov()代码中的subject中的随机效果 .
我相信你的lmer()调用的结果,而不是你的aov()调用的结果 . 如果您在此处查看过,请尝试重新运行aov作为aov(errors~Instal * errorType Error(subject),data = pce.ddply) . 由于您的设计接近 balancer ,我希望aov()会给出与lmer()相似的估计值 .