Чи правильно я вказав свою модель lmer?

Я проглядав Google і цей сайт, і я все ще плутаю функцію lmer у бібліотеці lme4.

У мене є деякі дані, зібрані з різних психіатричних відділень, які мають багаторівневу структуру. Для спрощення я виберу дві змінні рівня 2 та дві рівня 1, хоча насправді є ще кілька.

Рівень 2 - WardSize [це кількість людей на палаті] & WAS [це міра того, наскільки "приємна" опіка]

Змінна групування, яка повідомляє R, хто в якій палаті називається "Уорд"

Перший рівень - Стать [це, очевидно, стать] & BSITotal [це міра вираженості симптомів]

Результатом є Selfreject, що знову ж таки виглядає так.

У мене така формула:

help = lmer (формула = Selfreject ~ WardSize + WAS + Gender + BSITotal + (1 | Ward))

Я сподіваюся, що це означає, що "у кожної людини є оцінка, пов’язана зі своєю власною гендерною та вираженою симптоматикою, а також ефект на рівні опіки, що стосується розміру палати та наскільки" приємно "це"

Це правильно? Що мене бентежить, це те, що я не бачу, як R може визначити, які є рівні 1 та які змінні рівня 2, за винятком перехоплення рівня підопічного в кінці.

Якби хто міг пояснити позначення, так ідіот, як я, може зрозуміти, що було б ще краще.

Дуже дякую!

Ваша модель моделі чудова.

Різні перехоплення для Ward, вказані в lmer, як ви робили з (1 | Ward), говорять про те, що суб'єкти в кожному відділенні можуть бути схожішими один на одного в Selfreject з інших причин, ніж WardSize або Gender, тому ви контролюєте неоднорідність між окремими.

Ви можете думати про "1" як стовпець 1s (тобто константа) в даних, до яких підходить перехоплення. Зазвичай, наприклад, "1" розуміється автоматично в lm

lm(Y ~ X1 + X2)

фактично вказує

lm(Y ~ 1 + X1 + X2)

Тепер, коли у вас є основна модель, ви можете почати задавати додаткові запитання на кшталт "Чи відрізняються взаємозв'язки між BSItotal і Selfreject між підопічними?"

lmer(formula=Selfreject ~ WardSize + WAS + Gender + BSITotal + (1 + BSITotal | Ward))

Тобто, і перехоплення, і нахил BSITotal можуть відрізнятися між підопічними.

Якщо ви ще цього не зробили, аналіз даних Gelman & Hill з використанням регресії та багаторівневих моделей / ієрархічних моделей - це чудова книга, в якій пояснюється розміщення подібних моделей з lmer.

Ось посилання на пояснення Дугласа Бейтса (який написав lme4) щодо того, чому не потрібно вказувати рівень для фіксованих ефектів.