1.混合线性模型简介
混合线性模型,又名多层线性模型(Hierarchical linear model)。它比较适合处理嵌套设计(nested)的实验和调查研究数据。此外,它还特别适合处理带有被试内变量的实验和调查数据,因为该模型不需要假设样本之间测量独立,且通过设置斜率和截距为随机变量,可以分离自变量在不同情境中(被试内设计中常为不同被试)对因变量的作用。
简单的说,混合模型中把研究者感兴趣的自变量对因变量的影响称为固定效应,把其他控制的情景变量称为随机效应。由于模型中包括固定和随机效应,故称为混合线性模型。无论是用方差分析进行差异比较,还是回归分析研究自变量对因变量的影响趋势,混合线性模型比起传统的线性模型都有更灵活的表现。
今天我们就来使用R语言进行混合线性模型分析及制图。
2.分析过程
假如我们有一组数据来描述饮啤酒次数对微笑次数的影响,我们调查了本地15个酒吧,将饮酒次数最为自变量,微笑次数作为因变量读入R并作散点图估计二者的关系。可以看到,在不考虑酒吧这个场景因素的情况之下,二者呈负相关的关系(如图1),之后的相关分析也证明了这一点(如图2)。
图1:饮酒次数和微笑频率的散点图