嵌套随机效应的分裂图设计及随机效应之间的相互作用
嵌套随机效应的分裂图设计及随机效应之间的相互作用
提问于 2020-12-27 13:41:59
我试图用这些变量来分析植物生长实验的分裂图设计：
variable)
- Transect (有三个levels)
- Treatment的子样因子(有两个水平的主情节因子)
- 块(共2个块，作为treatment)
- Location (每个横断面点内的多个位置)
的复制)
我知道随机效应结构应该是什么样子。但是，我想不出如何用R脚本来写这个。有人能帮帮我吗？这可能很容易，但我已经找了好几个小时了，却找不到。
随机效应应是：
- Block
- Interaction块和Treatment
- Location嵌套在Transect
- (Location内，与治疗
交互
所以也许是这样的：
(1|block) + (1|block*treatment) + (1|location:transect) +
(1|(location:transect)*treatment)回答 1
Stack Overflow用户
回答已采纳
发布于 2020-12-28 02:02:47
好吧，我试试看。
第一:在“现代”混合模型中，将两级范畴变量视为随机变量是不实际的。在“经典”方法中，矩量/SSQ比率接近它，尽管它的威力是可怕的；在现代方法中，您将以“奇异模型”结束(在web上搜索"GLMM FAQ“或在这里搜索，并在CrossValidated上搜索更多信息)。(这种说法的例外是，如果你去完全贝叶斯，并把正则的先验对随机效应参数.)因此，我将把block作为一个固定的效果。
这是(我想)你的最大模型：
~ treatment*block + (treatment|transect/location)treatment*block(扩展到1 + block + treatment + block:treatment：块体之间的基线生物量(截距)可能不同，处理可能不同，blocks(treatment|transect/location)(扩展到(1+treatment|transect) + (1+treatment|transect:location))的处理效果可能不同，截留和处理效果在横断面之间和横断面内的位置不同。(这假设横断面在块之间是唯一编码的，也就是说，在两个块中都没有一个样例001，而是标记为A001和B001。如果不是，你需要像(1+treatment|block:(transect/location)).
这样的东西
这还假设每个横断面/位置/治疗组合有多个观察。如果没有(如果每个处理只在每个位置观察一次)，那么完全的交互作用将与剩余的变化混淆，相反，您需要类似于(1+treatment|transect) + (1|transect:location)的东西。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65466374
复制相关文章
相似问题
腾讯云开发者
