2

私のデータセットは、それぞれ 70 人の治療の開始時と終了時の数値スコア (「参加」) の 2 つの観測値で構成されています。時間は個人間で一定ではありませんが、これらの目視検査は、期間中の大多数の上昇を示しています

sfa <- read.csv("SFAFinalData.csv", header = TRUE)
groupingFormula <- as.formula(paste(columnName,"~ TIME|ID")) 
dataSubset <- na.omit(sfa[,seq(1:6)])
inputData <- groupedData(groupingFormula, data=dataSubset, labels = list("Weeks post injury", columnName))
m1 <- lme(inputData)

期待どおりに動作します

> m1
Linear mixed-effects model fit by REML
Data: inputData 
Log-restricted-likelihood: -631.7963
Fixed: Participation ~ TIME 
(Intercept)        TIME 
18.7616485   0.4220891 

Random effects:
Formula: ~TIME | ID
Structure: General positive-definite
        StdDev     Corr  
(Intercept) 15.4985010 (Intr)
TIME         0.2192035 1     
Residual    13.2272350       

Number of Observations: 140
Number of Groups: 70 

私は今、3 つのサブグループ (「タイプ」: それぞれ 10、29、31 人の 3 つのレベルを持つ因子) のそれぞれで分析 (つまり、時間の関数としての参加) を比較しようとしていますが、

m2 <- update(m1, fixed = .~.*TYPE)

エラーにつながります

Warning message:
In lme.formula(fixed = Participation ~ TYPE, data = inputData) :
Fewer observations than random effects in all level 1 groups

ここで私が間違っていることを理解するのに苦労しています:私が見る限り、十分な観察がありますか?

4

1 に答える 1

2

groupedData を使用しないようにしてください。本の例ではよく使われていますが、lme の中で最も紛らわしい部分だと思います。そして避けてください。式では、非常に貪欲になる可能性があり、エラーメッセージのタイプにつながる可能性があります.

多くの推測で(少なくともstr(sfa)を投稿してください)、次のようなものが必要だと思います:

sfa <- read.csv("SFAFinalData.csv", header = TRUE)
# No grouped Data!
lme(Participation~TIME*TYPE,random=~1|ID,data=sfa)
于 2012-04-12T12:24:50.433 に答える