Modelo lineal mixto de medidas repetidas (a través del espacio)

Question

Tengo un conjunto de datos que creo que requiere un modelo lineal mixto para analizar, pero no estoy seguro de algunos detalles. A continuación hay una breve descripción del experimento:

Tengo datos de ~ 30 ratones de los cuales la mitad son machos y la otra mitad son hembras. Tengo una medida de comportamiento que me gustaría predecir en base a las células activadas en el cerebro. He realizado un análisis de conglomerados sobre los recuentos de células en 485 regiones y un SVD sobre cada conglomerado, lo que me deja con 9 medidas repetidas (sólo estoy utilizando el primer valor singular para cada conglomerado) y el sexo como una variable entre grupos. Creo que el modelo debería ser:

lmer(Comportamiento ~ sexo + cluster + (sexo * cluster) + (cluster | ratón)

Mi única preocupación es que mi VD no es una medida repetida. Mi pregunta es entonces si este es el enfoque correcto. Vea los datos a continuación:

edit: Reposicionar los datos de un solo ratón en respuesta al primer comentario

`Behavior   Cluster Sex Mouse
28  -0.038136592    0   1
28  -0.023112313    0   1
28  -0.222644927    0   1
28  -0.208861993    0   1
28  -0.269723875    0   1
28  -0.062751677    0   1
28  -0.191682896    0   1
28  -0.245295508    0   1
28  -0.190930967    0   1`

Answer 1

Como se indica en los comentarios, un modelo mixto no es apropiado en este caso, ya que no hay medidas repetidas del resultado.

Los 9 clusters son realmente sólo 9 variables para el mismo ratón, por lo que un modelo con efectos fijos para esas 9 variables más el sexo sería apropiado, pero con sólo 30 ratones, tendrá que utilizar algún tipo de penalización como LASSO.

Además, si el algoritmo de agrupación utilizado para encontrar los 9 conglomerados da como resultado conglomerados ortogonales, es decir, las 9 variables de los conglomerados no están correlacionadas entre sí (o sus correlaciones muestrales son bajas), entonces se podría simplemente ajustar un modelo con, por ejemplo, los 3 conglomerados con la mayor correlación con la respuesta.