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:
fm1