R语言线性混合效应模型实战案例

介绍

首先，请注意，围绕多级模型的术语非常不一致。例如，多级模型本身可以称为分级线性模型，随机效应模型，多级模型，随机截距模型，随机斜率模型或汇集模型。根据学科，使用的软件和学术文献，许多这些术语可能指的是相同的一般建模策略。 

 

读入数据

多级模型适用于特定类型的数据结构，其中单元嵌套在组内（通常为5个以上组），并且我们希望对数据的组结构进行建模。

##   id extro  open agree social class school
## 1  1 63.69 43.43 38.03  75.06     d     IV
## 2  2 69.48 46.87 31.49  98.13     a     VI
## 3  3 79.74 32.27 40.21 116.34     d     VI
## 4  4 62.97 44.41 30.51  90.47     c     IV
## 5  5 64.25 36.86 37.44  98.52     d     IV
## 6  6 50.97 46.26 38.83  75.22     d      I

在这里，我们有关于嵌套在课堂内和学校内的科目外向性的数据。

在开始之前让我们先了解一下数据的结构：

## 'data.frame':    1200 obs. of  7 variables:
##  $ id    : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ extro : num  63.7 69.5 79.7 63 64.2 ...
##  $ open  : num  43.4 46.9 32.3 44.4 36.9 ...
##  $ agree : num  38 31.5 40.2 30.5 37.4 ...
##  $ social: num  75.1 98.1 116.3 90.5 98.5 ...
##  $ class : Factor w/ 4 levels "a","b","c","d": 4 1 4 3 4 4 4 4 1 2 ...
##  $ school: Factor w/ 6 levels "I","II","III",..: 4 6 6 4 4 1 3 4 3 1 ...

在这里，我们看到我们有两个可能的分组变量 - class和school。让我们进一步探索它们：

## 
##   a   b   c   d 
## 300 300 300 300

## 
##   I  II III  IV   V  VI 
## 200 200 200 200 200 200

##    
##      I II III IV  V VI
##   a 50 50  50 50 50 50
##   b 50 50  50 50 50 50
##   c 50 50  50 50 50 50
##   d 50 50  50 50 50 50

这是一个完美平衡的数据集。您很可能没有使用完美平衡的数据集，但我们将在未来探讨其中的含义。现在，让我们稍微绘制一下数据。使用包中的优秀xyplot功能lattice，我们可以跨变量探索学校和班级之间的关系。

 ​

 

在这里，我们看到，班内有明显的分层，我们也看到，social变量是从强不同open和agree变量。我们还看到，班级a和班级d在最低和最高频段分别有更多的传播。让我们接下来绘制数据school。