Necesito ayuda para especificar mi modelo de lmer

Question

Tengo una pregunta para configurar mi modelo de lmer.

Tengo medidas de dos grupos de participantes. Cada participante fue medido dos veces en dos días distintos (antes y después; b_a).

Quiero averiguar si el tratamiento en el grupo 1 provoca cambios en la medición "antes" y "después" y si el efecto cambia del día 1 al día 2. Por lo tanto, me interesa la interacción grupo * día * antes/después. Si he entendido bien, entonces mi estructura de efectos fijos está clara. Sin embargo, no estoy seguro de la estructura de efectos aleatorios. Mi sugerencia para el modelo sería:

lmer(medición ~ 1+ grupo * día * b_a + (1|sujeto)+ (1+Día/b_a), datos)

aparentemente esto es lo mismo que

lmer (medición ~ 1+ grupo * Día * b_a + (1|sujeto), datos)

al menos la salida es la misma

Mi primera pregunta: ¿Es este el modelo correcto?

Mi segunda pregunta sería: Si es así, ¿por qué mi RManova (con ezanova) me da resultados diferentes? (¿puede tener que ver con las diferentes llamadas summary(model) vs anova(model)?)

Gracias de antemano por su ayuda.

Answer 1

Primero: Puede omitir el 1+ parte, ya que la interceptación siempre se ajusta a menos que se desactive explícitamente.

Siguiente: Si entiendo directamente su objetivo, ha identificado correctamente la estructura de efectos fijos. Trabajemos en la estructura de efectos aleatorios. Hay que tener en cuenta dos cosas: Qué tipo de agrupación tiene, y qué puede diferir en esta agrupación. La agrupación se realiza en su diseño mediante la separación de los participantes en dos grupos (probablemente experimental frente a control), mediante la medición de cada participante varias veces y mediante los diferentes días. Dado que está interesado en la diferencia entre los dos grupos, se trata de un efecto fijo y no aleatorio. Del mismo modo, le interesa saber si hay una diferencia entre los dos días, por lo que, de nuevo, se trata de un efecto fijo.

Esto sólo deja el subject como una agrupación válida. Dado que no parece estar interesado en las diferencias entre los participantes, se trata de un efecto aleatorio. Los efectos aleatorios se dan siempre con |... Así que necesitas un |subject en su estructura de efectos aleatorios (a la que le falta la segunda parte.

Ahora algunos puntos sobre los efectos fijos: Cuando se escribe group * day * b_a lo que implica que está incluyendo todos los efectos principales así como sus interacciones. Si los grupos son aleatorios, no hay ninguna razón para esperar un efecto principal de grupo. Aunque a menudo no hace daño mantenerlo, puede haber algunos casos en los que esto puede llevar a un mal ajuste del modelo. Debería controlar la convergencia y la importancia de este predictor, y si se vuelve significativo (o no converge) debería ser muy escéptico con el modelo.

Vayamos a la estructura de efectos aleatorios: Los participantes están separados en grupos, por lo que no se puede utilizar ningún efecto aleatorio que incluya el grupo (esto incluye las interacciones). Así que la estructura de efectos aleatorios más general sería Day * b_a|subject (diferentes efectos del día, b_a, y su interacción para cada sujeto).

Sin embargo, dado que ha agrupado a los sujetos en dos grupos, debe esperar que las diferencias entre los sujetos no sean meras fluctuaciones aleatorias, sino que estén relacionadas con la manipulación. Por lo tanto, las varianzas entre sujetos pueden estar sobreestimadas y los efectos pueden estar subestimados. Además, si sólo dispone de cuatro mediciones por sujeto, es posible que no pueda estimar de forma fiable las varianzas entre sujetos. Así que puede que tenga que diluir su estructura de efectos aleatorios más tarde para conseguir que el modelo converja (también puede intentar dejar de lado los predictores, que sabe que deberían ser cero).

Si se quiere ser simplista (las estructuras complicadas de efectos aleatorios suelen requerir que se prueben muchos modelos, y esto puede aumentar mucho los dfs de los investigadores), entonces (1|subject) también es bastante aceptable.