Modelos lineales de efectos mixtos son para las variables continuas. Generalizadas son para no continua, por ejemplo, la binomial.
Esto no es cierto. Ver la página de la wiki para los modelos lineales generalizados. E. g., la gamma y exponencial la distribución generalizada linaer modelos y ambas son continuas. La diferencia es que permiten otro tipo de distribución de la distribución normal con modelos lineales generalizados.
Tenemos una tarea en la que los sujetos pueden obtener cada elemento correcta o incorrecta. Yo diría que es un binomio en el nivel del tema por lo menos.
Sí que es binomial de datos.
Otro miembro de los equipos dice que la cosa más importante para tomar esta decisión es la pregunta de investigación, que es "la cantidad de elementos de N que va a conseguir el correcto en cada prueba", y sugirió para el tratamiento de la variable como continua y el uso de un modelo lineal.
Supongo que usted tiene un número fijo de $n_i$ ensayos para cada tema $i$. En ese caso se trata de una fracción que puede tener valor de ${0, 1/n_i, 2/n_i, \dots, 1}$. Así que usted debe utilizar la distribución binomial como Dimitris rizopoulos título original escribe.
También, tenemos muchos 0s (casi el 80% en la última de las 3 pruebas), así que tal vez no deberíamos incluso el uso de la binomial, pero cero inflado binomial. Esto sería importante si decidimos utilizar los modificadores de la respuesta biológica paquete para R.
Tan lejos como puedo reunir, tiene cierto número de sujetos, $k$, que cada cierto número de conjeturas, $n_1,\dots,n_k$. Entonces el modelo de $E(y_i/n_i)$ donde $y_i$ es el número de deducciones correctas de sujetos $i$. Suponiendo que usted no tiene covaraites, a continuación, el modelo con efectos aleatorios podría ser
$$g(E(y_i/n_i)) = \mu + \epsilon_i,\qquad \epsilon_i\sim N(0,\sigma^2)$$
donde $g$ es una función de enlace (por ejemplo, logit), $\mu$ es logit de la probabilidad de que un sujeto adivinar correcta cuando el efecto aleatorio es igual a cero, y $\epsilon_i$ es el efecto aleatorio de sujetos $i$. Aviso que este modelo de fácil producir "un montón de ceros" si el $\mu$ es lo suficientemente pequeño y se utiliza la función de enlace logit. Por lo tanto, una gran cantidad de ceros no puede ser buen argumento para utilizar un cero inflado binomial en este caso.
