¿Cuántos efectos aleatorios para especificar en lmer?

Question

Me encontré con un equipo basado experimento en el que había dos de sujeto factores, a y B. por tanto, todos los participantes recibieron múltiples ensayos en cada Una*de las células B. También hubo uno entre el sujeto factor, C.

Estoy tratando de predecir el tiempo de respuesta, por lo que inicialmente me hizo:

> lmer(rt ~ A*B*C + (1|subj)

pero me dijeron que debería especificar efecto aleatorio interacciones así, por ejemplo:

> lmer(rt ~ A*B*C + (1|subj) + (1|A:subj) + (1|B:subj)

En ese caso, ¿no debería también especificar la interacción de tres vías? por ejemplo:

> lmer(rt ~ A*B*C + (1|subj) + (1|A:subj) + (1|A:B:subj)

Entiendo que el primer modelo, pero no estoy muy claro en los otros dos, aunque todos ellos proporcionan resultados diferentes. Alguien puede aclarar lo que estos modelos hacen y cuál es la más adecuada?

Answer 1

Cuando la especificación de efectos aleatorios en un lme4::lmer modelo, el azar factores de ir a la izquierda de la tubería y la no-independencia de las variables de agrupación ir a la derecha, por lo que el totalmente modelo especificado en la pregunta sería muy probablemente será:

lmer(rt ~ A*B*C + (A*B|subj))

Me tomó un poco de tiempo para explorar la diferencia entre un efecto aleatorio de la izquierda de la tubería para un efecto aleatorio en el lado derecho de la tubería, pero hizo una mejor post en sí mismo que como una respuesta a su pregunta en particular.

RPubs doc

Gist código

La diferencia más notable entre los dos siguientes modelos...

lmer(rt ~ A + (1|subj/A))
lmer(rt ~ A + (A|subj))

...es que las últimas estimaciones de un azar del parámetro de correlación entre random intercepta y aleatoria de pistas. Si quita que al azar correlación parámetro...

lmer(rt ~ A + (1|subj/A))
lmer(rt ~ A + (1|subj) + (0+A|subj))

...los dos modelos de retorno de la misma exacta de los efectos fijos (estimaciones de los parámetros de y los errores asociados), aunque me imagino que depende de la similitud el particular diseño del estudio.

Answer 2

Con respecto a la cuestión de qué modelo es el más apropiado, todavía estoy aprendiendo por mí mismo, pero me puede recomendar un excelente papel que cubren este tema:

Barr, DJ, R. Levy, Scheepers C., Tily HJ. (2013) efectos Aleatorios estructura de confirmación de resultados de pruebas de hipótesis: Mantener la máxima, Revista de la Memoria y el Lenguaje 68 (2013) 255-278

Como el título indica, el fondo es que usted siempre debe tratar de incluir el máximo de efectos aleatorios de la estructura, porque la única que garantiza que usted no infle el error de Tipo I (también es un excelente tutorial sobre lo aleatorio interceptos y pendientes de hacer en el modelo de regresión).

Sin embargo, a veces complejo de efectos aleatorios, las estructuras pueden conducir a problemas con el modelo de convergencia. Es por eso que algunos investigadores proponen un poco menos radical de enfoque, y sugieren que usted debe mantener el máximo de efectos aleatorios estructura que es justificado por los datos (es decir, se prueba si el de efectos aleatorios mejorar el ajuste del modelo mediante anova() y tira de ti a importantes efectos aleatorios). Florian Jaeger se trata este tema en su excelente blog:

http://hlplab.wordpress.com/2009/05/14/random-effect-structure/ http://hlplab.wordpress.com/2011/06/25/more-on-random-slopes/

espero que esto ayude, Jakub