固定因子的特点:固定因子是试验中考虑了所有情况的因子,或者结果仅限于本试验设计的因子水平的因子
随机因子的特点:随机因子是试验中仅考虑了部分情况的因子,或者结果要推广到更大范围的因子。
变量:自变量、因变量、协变量。
因子:因子是数据类型,离散型的数据称为因子。
优点1. 缺失值处理简单,缺失值不会对同一对象的其他观测值产生影响。例如在大部分情况下,如果对一个病人的某一个测量值丢失,我们经常用last trial/observation carried forward,也就是用这个病人的缺失值的上一个观测值来填充。
优点2. 混合模型的时间点可以不一致;比如一个病人的测定时间点为4,6,8周,另外一个是1,4,7周,同样适用于混合模型。
优点3. 相比重复测量方差分析,不需要满足球对称或者复合对称。
优点4. 可以添加协变量
数据模型中的截距取决于变量中的未解释部分(随机因子和误差)
重复测量的相关性矩阵:表示同一个研究对象多次重复测量的相关特性for a repeated-measures analysis with repeated measures on one factor, the covariance structure (the nature of the correlations between measurements of the same subject) is important.
1.研究对象(动物)
研究对象(subject)在模型中是随机因子(random)还是固定因子(fixed)取决于模型中的分布形式:
如果是巢式分布(nested),则设定为随机因子。理解的话就是说研究对象是被随机分配到其中一组的;
如果是交叉分布(across),则设定为固定因子。例如自身对照试验,同一个动物接受了2种处理,这里的动物就该设置为固定因子。
2.随机因子(以下模型中,1代表所有固定因子,0代表没有固定因子)
1|g 或1 + (1 | g), 因子g的所有水平都有随机截距。each level of the grouping factor, g, has its own random intercept
0 + offset(o) + (1 | g)或-1 + offset(o) + (1 | g),假设均值(a priori)的随机因子
(1 | g1/g2),或者(1 | g1)+(1 | g1:g2),巢式因子的随机因子:g1以及g1内巢式分布的g2
(1 | g1) + (1 | g2)或1 + (1 | g1) + (1 | g2),交叉因子的随机因子,g1和g2交叉分布
x + (x | g)或1 + x + (1 + x | g),在固定因子x的不同水平下,截距和斜率都可以自由变化(截距斜率相互独立,上面4个都是假设截距斜率相关的)?????
x || g或1 + x + (1 | g) + (0 + x | g),固定因子x和随机因子不相关,不考虑固定因子x各水平下的随机因素g