lmer语法问题

Question

我正在尝试做一些混合/固定效应建模，并发现了lme4包，其中包括lmer函数。但说实话，我对语法非常困惑，我已经试着查看文档，但我不确定我完全理解了，而且似乎我所看到的有一些差异。

例如，我有这样的内容：

T <- lmer(Y ~ Treatment + 0 + (1|Block) + (1|Subblock), data = D, REML = FALSE)
T1 <- lmer(Y ~ 1 + (1|Block) + (1|Subblock), data = D, REML = FALSE)

有人能“简单快速地”解释一下这实际上是什么意思吗？就像在 | 前面的 1 表示应将变量 Block 或 Subblock 视为随机效应，而 Treatment 是固定效应。但是单个的 1 和 0 又是什么意思呢？我可以将 | 前面的 1 改成 0 吗？如果可以，那意味着什么？

- Denver Dang

---

https://stats.stackexchange.com/questions/13166/rs-lmer-cheat-sheet - DSGym

也许你可以在评论或问题中提供更多关于哪些文档来源看起来存在差异或不一致的信息？ - Ben Bolker

这个问题涉及编程语法。它在 Stack Overflow 上是相关的，但在 Cross Validated 上是不相关的，因此不应该被迁移。 - jay.sf

Answer 1

Y ~ Treatment + 0 + (1|Block) + (1|Subblock)

我不建议在R中使用T作为变量名。

• 0+Treatment表示治疗的固定效应，采用“虚拟”或“治疗”编码（默认情况下），截距被抑制（这就是这里0的含义）; 换句话说，您将对每个Treatment水平拥有一个固定效应参数，该参数等于该治疗中观察值的预期值。
• (1|Block) + (1|Subblock)表示模型截距的随机变化（这是1在此处的含义），在块和子块之间：它假设子块是唯一编码的（例如A1，A2，...，B1，B2，...而不是1，2，...，1，2，...）

"Original Answer"翻译成"最初的回答"

Y ~ 1 + (1|Block) + (1|Subblock)

与上面相同，但现在治疗没有固定效应 - 只有一个实验整体的截距值。

您可以比较这两个模型（例如使用anova()进行似然比检验或AIC()），以测试Treatment的统计显著性。

有关lme4语法的更多详细信息，请参见GLMM FAQ或此问题。

PS在随机效应规范中将1更改为0会很奇怪；如果它起作用的话（我不确定它会），原则上等同于抑制该随机效应（“跨组变化是什么？没有”） - 这只需完全从公式中省略该RE即可...

- Ben Bolker