2 つの反復測定の固定効果と変量効果のモデル化について質問があります。私のデータセットは次のようになります。
subject id condition trial DV
1 1 1 2
1 1 2 5
1 1 3 6
1 2 1 3
1 2 2 8
1 2 3 9
2 1 1 5
2 1 2 4
2 1 3 3
2 2 1 7
2 2 2 8
2 2 3 6
3 1 1 4
3 1 2 5
3 1 3 7
3 2 1 9
3 2 2 10
3 2 3 2
したがって、2 つの条件を持つタスクがあり、すべての参加者が両方の条件 (反復測定) を実行し、すべての条件が 3 つの試行 (反復測定) で存在します。そして連続DV。
(1) まず、変数 subject id、condition、trial が入れ子になっているのか交差しているのかが気になります。すべての科目は両方のレベルの条件を実行しているため、科目と条件が交差していると思いました。あれは正しいですか？
条件 1 と条件 2 は両方とも 3 つのレベルの試行を行っていますが、もちろん時間的には同じ試行ではありません (参加者はタスクの条件を同時にではなく、互いに連続してプレイするため)。これは、条件と試行がネストされていることを意味しますか? それとも、どちらも 3 つのレベルの試練があるため、交差していますか?
さらに、参加者全員が 6 段階の試練を経験しているため、科目と試練が交差していると思います。これは正しいです？
(2) 次に、マルチレベル モデルを実行したいのですが、固定効果と変量効果を指定する方法がわかりません。最低レベルは試行/時間になります。これは、両方の条件で時間の経過に伴う DV の曲線/成長軌道 (試行) をモデル化するためです。実際には、条件ごとに 20 回の試行があります。すべての参加者のランダム インターセプトをモデル化する次のコードが作成されました。
m1 = gls(DV~1, data=dataset,method = "ML", na.action = na.exclude)
m2 = lme(DV~ 1 , data = dataset, random = ~1|subject id, method = "ML", na.action = na.exclude)
M2 は、M1 よりもデータへの適合性が大幅に向上しています。しかしこれは、参加者ごとに 6 回の試行すべてでランダムな切片がモデル化されているということでしょうか? 私は実際に条件ごとにこれを知りたいです。では、条件ごとに複数レベルのモデルを作成する必要があります (両方の条件のすべての分析を分離します)。または、コードに条件を含めることができますか?コードは次のようにする必要があります:
m3 = lme(DV~ 1 , data = dataset, random = ~1|subject id/condition, method = "ML", na.action = na.exclude)
M3 が M1 よりもデータへの適合性が大幅に優れている場合、両方の条件にランダムな切片があることを意味しますか?
(3) 条件ごとに試行の効果があるかどうかを知りたい場合、これをどのようにモデル化すればよいですか? このような？
m4 = lme(DV~ trial , data = dataset, random = ~1|subject id/condition, method = "ML", na.action = na.exclude)
試験の有意な効果は、両方の条件内で試験の線形効果があることを意味しますか?
(4) 最後に、DV とトライアルの関係にランダムな勾配があるかどうかを条件ごとに知りたいです (つまり、6 つのトライアル全体ではありません)。6回の試行全体についてこれを知りたくありませんが、条件ごとに（実際には条件ごとに20回の試行）。モデルは次のようになります。
m5 = lme(DV~ trial, random = ~condition/trial|subject id/condition, method = "ML", data = dataset)
全体として、モデル内で繰り返される 2 つの変数 (状態と試行) をどのように扱うか混乱しています。誰かが助けてくれることを願っています！