R-重复测量GLMM（lme4）的型号规范

我在正确指定我在R中的纵向模型时遇到了一些问题。我的分析是在三个时间点上评估分数的性别差异。实际上，我想看看是否有一种性别的分数一直较高，或者变化率不同。我知道我正在尝试看看截距和/或斜率是否在性别之间有所不同，但我不确定如何构建模型/输入什么作为固定或随机效果

我的数据的小示例：

'data.frame':   108 obs. of  10 variables:
 $ PNumber : Factor w/ 36 levels "P1002","P1004",..: 1 1 1 2 2 2 3 3 3 4 ...
 $ Sex     : Factor w/ 2 levels "Female","Male": 1 1 1 1 1 1 1 1 1 2 ...
 $ Visit   : Factor w/ 3 levels "V1","V2","V3": 1 2 3 1 2 3 1 2 3 1 ...
 $ V1      : int  1 0 0 1 0 0 1 0 0 1 ...
 $ V2      : int  0 1 0 0 1 0 0 1 0 0 ...
 $ V3      : int  0 0 1 0 0 1 0 0 1 0 ...
 $ TD      : num  0 0 0.1818 0.0909 0.3636 ...

其中“TD”是测量得分，“PNumber”是ID变量，“Visit”表示测量场合

据我所知，要测试拦截差异的模型：

m1 <- lmer(TD ~ Sex + Visit + (1|PNumber), data=data)

至于斜坡：

m2 <- lmer(TD ~ Sex * Visit + (1+Sex|PNumber), data=data)

这些模型是否反映了我试图评估的内容

---

我真的非常感谢任何正确方向的帮助。我对R只有一个非常基本的理解，这是我在过去几周里拼凑起来的，所以如果我遗漏了一些非常简单的东西，我道歉

1级组为重复测量访视，2级组为个体数量。下面是我要做的我想你很接近了：

从无条件模型开始：

m1 <- lmer (TD ~ Visit + (~1|PNumber), data=data)

然后，允许在2级随时间随机变化：

m2 <- lmer (TD ~ Visit + (~Visit|PNumber), data=data)

然后，将性别添加到模型中：

m3 <- lmer (TD ~ Visit + Gender + (~Visit|PNumber), data=data)

这将为性别提供一个固定的效应估计，告诉你性别是否是高分的重要预测因素

然后，添加随时间变化与性别之间的互动：

m4 <- lmer (TD ~ Visit + Gender + Visit*Gender (~Visit|PNumber), data=data)

---

这将为随时间变化和性别之间的相互作用提供一个固定的影响估计值，告诉你性别之间的分数变化率是否存在显著差异。

因此，1级组是重复测量访问，2级组是个体PNumber。下面是我要做的我想你很接近了：

从无条件模型开始：

m1 <- lmer (TD ~ Visit + (~1|PNumber), data=data)

然后，允许在2级随时间随机变化：

m2 <- lmer (TD ~ Visit + (~Visit|PNumber), data=data)

然后，将性别添加到模型中：

m3 <- lmer (TD ~ Visit + Gender + (~Visit|PNumber), data=data)

这将为性别提供一个固定的效应估计，告诉你性别是否是高分的重要预测因素

然后，添加随时间变化与性别之间的互动：

m4 <- lmer (TD ~ Visit + Gender + Visit*Gender (~Visit|PNumber), data=data)

---

这将为随时间变化和性别之间的相互作用提供一个固定的影响估计值，告诉您性别之间的分数变化率是否存在显著差异。

这是一个很大的帮助，谢谢。这只是一个新手问题，为什么我不把性别作为随机效应来考虑呢？因为二级单位是个人，而且性别是在二级单位的个人水平上衡量的，所以你不能把它作为随机效应来考虑。如果可以的话，它会告诉我们性别在个体之间是不同的，这不是很有帮助。如果有第三个层次，可能个体被分组在一起，那么你可以在第三个层次将性别作为随机效应，我现在完全理解了。谢谢你的帮助，没问题。我发现这本书非常有用：你能解释一下为什么+~Visit | PNumber而不是+~1 | PNumber或+~PNumber | Visit甚至+~1 | Visit*PNumber吗？这是一个很大的帮助，谢谢。这只是一个新手问题，为什么我不把性别作为随机效应来考虑呢？因为二级单位是个人，而且性别是在二级单位的个人水平上衡量的，所以你不能把它作为随机效应来考虑。如果可以的话，它会告诉我们性别在个体之间是不同的，这不是很有帮助。如果有第三个层次，可能个体被分组在一起，那么你可以在第三个层次将性别作为随机效应，我现在完全理解了。谢谢你的帮助，没问题。我发现这本书很有帮助：你能解释一下为什么+~Visit | PNumber而不是+~1 | PNumber或+~PNumber | Visit甚至+~1 | Visit*PNumber吗？