আমি আপনার প্রতিটি কলগুলি lmer()
কীভাবে ফিট করে এবং কীভাবে সেগুলি আলাদা সেগুলি কী মডেল তা বর্ণনা করতে যাচ্ছি এবং তারপরে এলোমেলো প্রভাব নির্বাচন করার বিষয়ে আপনার চূড়ান্ত প্রশ্নের উত্তর দিন।
আপনার তিনটি মডেলের প্রতিটি প্রভাব সংশোধন থাকে practice
, context
এবং দুই মধ্যে পারস্পরিক কথোপকথন। মডেলগুলির মধ্যে এলোমেলো প্রভাবগুলি পৃথক হয়।
lmer(ERPindex ~ practice*context + (1|participants), data=base)
ব্যক্তিদের দ্বারা ভাগ করা একটি এলোমেলো ইন্টারসেপ্ট রয়েছে যার জন্য একই মান রয়েছে participants
। এটি হ'ল প্রতিটি participant
রেগ্রেশন রেখাটি গড় দিয়ে একটি এলোমেলো পরিমাণ দ্বারা উপরে / নীচে স্থানান্তরিত হয় ।0
lmer(ERPindex ~ practice*context + (1+practice|participants), data=base)
এই মডেলটিতে একটি এলোমেলো ইন্টারসেপ্ট ছাড়াও একটি এলোমেলো slাল রয়েছে practice
। এর অর্থ হ'ল ব্যক্তিরা যে হারে অনুশীলন থেকে শিখেন, সে ব্যক্তি থেকে ব্যক্তিভেদে আলাদা। যদি কোনও ব্যক্তির ইতিবাচক এলোমেলো প্রভাব থাকে, তবে তারা গড়ের তুলনায় অনুশীলনের সাথে আরও দ্রুত বৃদ্ধি পায়, যখন একটি নেতিবাচক এলোমেলো প্রভাব ইঙ্গিত দেয় যে তারা গড়ের চেয়ে অনুশীলনের সাথে কম দ্রুত শিখতে পারে বা সম্ভবত অনুশীলনের সাথে আরও খারাপ হয়ে যায়, এলোমেলো তারতম্যের উপর নির্ভর করে প্রভাব (এটি অনুশীলনের স্থির প্রভাবটি ইতিবাচক বলে ধরে নিচ্ছে)।
lmer(ERPindex ~ practice*context + (practice|participants) +
(practice|participants:context), data=base)
এই মডেলটি এলোমেলো slালের সাথে ফিট করে এবং এতে বাধা practice
দেয় (আপনাকে (practice-1|...)
পূর্ববর্তী মডেলটির মতোই ইন্টারসেপ্টটি দমন করতে হবে ), তবে এখন আপনি ফ্যাক্টারে একটি এলোমেলো slাল এবং ইন্টারসেপ্টও যুক্ত করেছেন participants:context
, যা একটি নতুন উপাদান যার মাত্রা উপস্থিত স্তরের যে সমন্বয় participants
এবং context
এবং সংশ্লিষ্ট র্যান্ডম প্রভাব পর্যবেক্ষণের উভয়ের একই মান আছে দ্বারা ভাগ করা হয় participants
এবং context
। এই মডেল মাপসই আপনি উভয় জন্য একই মান একাধিক পর্যবেক্ষণ আছে প্রয়োজন হবে participants
এবংcontext
অন্যথায় মডেল অনুমানযোগ্য নয়। অনেক পরিস্থিতিতে এই ইন্টারঅ্যাকশন ভেরিয়েবলের দ্বারা তৈরি করা গোষ্ঠীগুলি খুব বিরল এবং এর ফলে এলোমেলো প্রভাবগুলির মডেলগুলির পক্ষে খুব শোরগোল / অসুবিধে হয়, সুতরাং আপনি গ্রুপিং ভেরিয়েবল হিসাবে কোনও ইন্টারঅ্যাকশন ফ্যাক্টর ব্যবহার করার সময় সতর্কতা অবলম্বন করতে চান।
মূলত (পড়ুন: খুব জটিল না হয়ে) এলোমেলো প্রভাবগুলি ব্যবহার করা উচিত যখন আপনি ভাবেন যে দলবদ্ধকরণের ভেরিয়েবলগুলি ডেটা সেটে অহমজনিততার "পকেট" সংজ্ঞায়িত করে বা গ্রুপিং ফ্যাক্টরের স্তর ভাগ করে নেওয়া ব্যক্তিরা একে অপরের সাথে সম্পর্কযুক্ত হওয়া উচিত (যখন যে ব্যক্তিগুলিকে পারস্পরিক সম্পর্কযুক্ত করা উচিত নয়) - এলোমেলো প্রভাবগুলি এটি সম্পাদন করে। আপনি যদি মনে করেন যে পর্যবেক্ষণগুলি উভয়ের স্তর ভাগ করে participants
এবং context
দুটি অংশের যোগফলের তুলনায় আরও একই রকম হয় তবে "ইন্টারঅ্যাকশন" এলোমেলো প্রভাব সহ উপযুক্ত হতে পারে।
সম্পাদনা: @ হেনরিক মন্তব্যগুলিতে যেমন উল্লেখ করেছেন, আপনি যে মডেলগুলি ফিট করেছেন, যেমন:
lmer(ERPindex ~ practice*context + (1+practice|participants), data=base)
এটি এটিকে তৈরি করুন যাতে এলোমেলো andালু এবং এলোমেলো ইন্টারসেপ্ট একে অপরের সাথে সম্পর্কিত হয় এবং মডেল দ্বারা এই সম্পর্কটি অনুমান করা হয়। মডেলটিকে সীমাবদ্ধ করার জন্য যাতে এলোমেলো slালু এবং এলোমেলো ইন্টারসেপ্টটি অনিয়ন্ত্রিত হয় (এবং তাই স্বতন্ত্র, যেহেতু তারা সাধারণত বিতরণ করা হয়), আপনি পরিবর্তে মডেলটি ফিট করবেন:
lmer(ERPindex ~ practice*context + (1|participants) + (practice-1|participants),
data=base)
এই দুটির মধ্যে পছন্দটি নির্ভর করে আপনি কী ভাবেন তার উপর ভিত্তি করে হওয়া উচিত, উদাহরণস্বরূপ, participant
গড়ের চেয়ে উচ্চতর বেসলাইন সহ (যেমন একটি ধনাত্মক র্যান্ডম ইন্টারসেপ্ট) এরও গড়ের তুলনায় উচ্চতর পরিবর্তনের হার (যেমন ইতিবাচক র্যান্ডম opeাল) হতে পারে। যদি তা হয় তবে আপনি দু'জনকে পারস্পরিক সম্পর্ক স্থাপনের অনুমতি দিবেন যদিও তা না হলে আপনি তাদের স্বাধীন হতে বাধ্য করবেন। (আবার, এই উদাহরণটি স্থির প্রভাবের ঝালটি ইতিবাচক বলে ধরে নেয়)।
lmer(ERPindex ~ practice*context + (1|participants) + (0 + practice|participants, data=base)
বা আমি ভুল করছি? (সম্পর্কিত নয়: আপনার পোস্টটির আমার ছোট সম্পাদনাটি ক্ষমা করুন you আপনি যদি স্পষ্টির সাথে একমত নন তবে কেবল এটি আবার পরিবর্তন করুন)