使用lmer纠正R中的型号

我有一个关于使用lmer在R中使用lineair混合模型效果的问题

我对117名参与者进行了重复测量实验。它们都执行一个包含5个类别（素数名称）的任务。因变量为反应时间（分数）。我想比较一下这5个类别。有很多缺失的数据，所以我认为RM方差分析不是一种选择

我有两个问题：

• 如果我使用lmer在R中进行线性混合模型效应分析，我是否使用了正确的分析
• 我不确定我的模型是否完全正确，尤其是对于随机效应。何时只使用“+（1 | Resp_ID）”以及何时使用“+（Prime_Name | Resp_ID）”

两种选择：

---

模型您完全可以使用

lmer（）

来分析数据。两个模型之间的区别在于，第一个模型为数据中的每个参与者指定了一个唯一的截距。第二个模型有这些截距，但它也增加了一个随机斜率，这使得

Prime_Name

对每个参与者的影响不同。然后，模型将报告Prime_名称对普通参与者的影响。我认为阅读混合模型的概念介绍可能会有所帮助。对于缺失的数据，有一些方法可以处理，但并不是所有的方法都在每个领域中普遍使用，因此我想问一位PI在您的领域中有什么共同点。您可能还对这篇文章感兴趣，它讨论了分析反应时间数据的一些最佳实践：