验证性因子分析(什么数据适合做因子分析)创造了2021-06-09 11: 07 Codewar。

快一个月没更新文章了。今天收到几封粉丝的亲笔信。好了，真的对不起大家期待的目光。看来我不能再拖延了。想想写什么。我们咨询的比较多，混合模式算一个。今天，我们继续写如何做混合模型。

一般混合模型可以用lme4软件包求解。lme4可以用作线性混合模型、广义线性混合模型或非线性混合模型。需要的话才可以研究这个包。

所谓混合模型，就是既有固定效应又有随机效应的模型:

“混合效应”表示一个模型，该模型将固定效应和随机效应合并到一个线性预测表达式中，根据该表达式可以评估反应的条件均值

第一部分是线性混合模型。

在直接的例子中，数据来自于一篇关于睡眠剥夺的文献，整个数据大约和下图一样长。其中，我们的受试者在第0天可以自然睡眠，所有受试者在接下来的几天里只能睡3个小时。我们的反应变量是反应，即被试所做测试的反应时间。现在我关心的是睡眠剥夺后反应时间的变化:

对于这样的纵向数据，

我们来看看:我们只有18个受试者，每个受试者随访10次。我们需要明白的是，此时，我们的每一个度量都嵌套在人类的层面上。我们可以认为不同人的10个测量值之间有很强的相关性，不同人之间的关系不一定相同。

直观的可以画出每个人每天反应时间和睡眠剥夺的变化。绘图如下图:

我们可以看到，我们上方的大图是由许多小图组成的。在每个小图中，横轴是睡眠剥夺的时间，纵轴是反应时间。每张图都代表了睡眠剥夺与反应时间的关系(具体到人)，但我们也要注意到，这种关系对于不同的人是不同的，体现在不同的斜率和截距上。(图中可以清楚地看出这种关系的区别)

所以我们可以用随机效应来拟合一个混合模型: