Ayuda con modelo mixto en R

Question

Estoy tratando de aplicar regresión a mis datos y me gustaría asegurarme de hacerlo correctamente. Mi variable dependiente (DV) es la posición del sujeto (valor numérico). Mis variables independientes (IV) son :

• El grupo al que pertenece el sujeto (2 grupos, un sujeto está en uno u otro)
• El tipo de estímulo (2 tipos diferentes, cada sujeto se enfrenta a cada estímulo, por lo que es una variable "within")
• El momento de la medida (cada sujeto fue medido 3 veces para cada estímulo, por lo que un total de 6 veces) Estoy interesado en cada efecto principal y la triple interacción (no las dobles).

Si tengo razón, tengo 1 VI entre sujetos (el grupo) y 2 VI cruzadas dentro de sujetos (estímulo y tiempo). Mi marco de datos cuenta con 6 columnas:

• La columna NS da el número del sujeto.
• La columna Pos que da la posición del sujeto
• La columna Grupo
• La columna Estim (el tipo de estímulo).
• La columna Tiempo (el momento de la medición; codificado -0.5, 0 y 0.5)

Aquí está el código que ejecuté en R :

RegAlc <- lmer(Pos ~ Grupo + Tiempo + Estim + Grupo:Tiempo:Task +
                     (Tiempo*Estim|NS), data = d)
summary(RegAlc)

El código funciona pero me gustaría asegurarme de que esta sea la forma correcta de analizar estos datos.

¡Muchas gracias!

Answer 1

No está claro si la variable de resultado Pos es una variable aleatoria continua, lo que resulta en que los términos de error tengan una distribución normal. Tenga en cuenta que esta es una suposición detrás del modelo mixto lineal que está ajustando con lmer().

En cuanto a la estructura del modelo,

• Ha incluido los efectos principales de Group, Time y Stim, y su interacción de tres vías, sin incluir las interacciones de dos vías. Normalmente, esto no se hace. Además, los términos de interacción son términos complejos que requieren un tamaño de muestra lo suficientemente grande como para estimarlos de manera estable. Esto se aplica a las interacciones de dos vías, e incluso más para las de tres vías. ¿Está seguro de que desea incluir todos estos términos de interacción?
• La parte de efectos aleatorios a menudo se construye utilizando un enfoque de construcción gradual, comenzando desde interceptos aleatorios, es decir, (1 | NS), luego incluyendo pendientes aleatorias, es decir, (Time | NS), y realizando una prueba de razón de verosimilitud (usando la función anova()) para ver si el ajuste del modelo mejora. Podría continuar incluyendo términos de efectos aleatorios más complejos. Pero tenga en cuenta que a menudo las dependencias en los datos no son tan complejas como para admitir la inclusión de muchos/términos de efectos aleatorios complejos. Intentar ajustar un modelo mixto con una estructura tan compleja puede dar lugar a estimaciones inestables y problemas de frontera (es decir, se estima que las mismas varianzas de los efectos aleatorios son cero).