如何在R中运行双重交叉分类的三级分层线性模型？HLM中的DIF

我正在尝试一种新的分层线性模型，但数据结构让我怀疑这在R中是否可行。我以前尝试的模型是错误指定的（oops），现在我不确定如何处理这项工作。我在HLM的课程包括多层次模型和交叉分类模型，但不是三层次双交叉分类模型

第一级：

• 对二分评分项目的反应。范畴依赖 变量，所以我想我将使用

  glmer（）

  。（~150万条项目回复）

第2级：

• 响应嵌套在项中-一个项将有许多响应 （来自不同的人），但单个响应不会与 多个项目
• 响应也嵌套在测试实例中-一个测试实例将有许多响应（50），但一个响应不能链接到多个测试实例
• 项目不与测试实例嵌套，测试实例不嵌套在项目中。一个项目将出现在多个测试实例中（每次有人采用表单A），一个测试实例将与多个项目相关（测试表单上的每个项目）

第3级：

• 项目嵌套在测试表单中-一个表单上可以有多个项目，但（在本例中）项目不能出现在多个表单上
• 测试实例嵌套在人员中-一个人可以参与多个测试实例，但一个测试实例不能由多人执行
• 测试实例也嵌套在位置中-一个位置可以有多个测试实例，但一个测试实例不能出现在多个位置
• 测试表单嵌套在人中，人嵌套在测试表单中。一个人可以填写多份测试表格，一份测试表格可以由多人填写
• 人员不嵌套在位置中，位置不嵌套在人员中-一个人可以在多个位置参加测试，多个人可以在单个位置参加测试
• 测试表格不嵌套在位置中，位置不嵌套在测试表格中-测试表格可以在多个位置使用；一个位置可以用来管理许多测试表单

我假设某些位置变量可能会对特定项目的表现产生影响，但我认为这会受到参加测试的人的能力等因素的影响。我在我感兴趣的位置、学生和项目层面上有解释变量，比如噪音水平、GPA和主题

如果您有任何问题或建议，请告诉我

---

我不明白为什么这是个问题。“现代”混合模型框架，与R中的大多数可用框架一样（

nlme

，

lme4

，

glmmTMB

，等等），不包含（或要求）任何明确的嵌套声明；它们只需要指定定义每个分组变量的因子。我不明白为什么

（1 |学生）+（1 |位置）+（1 |实例）+（1 |项目）+（1 |表格）

不行。有一些事情要考虑，我不知道他们是否会出现在你的问题中：

• 如果你的回答是二元的，你需要确保你没有随机效应，因为每个观察都属于一个单独的随机效应组（这种变化水平无法确定）。例如，如果每个学生在每个位置最多回答一个问题（即，没有人在某个位置参加测试超过一次，并且他们在每个测试中回答问题的次数也不会超过一次），那么任何给定的学生/项目/位置组合将在您的数据集中出现零次或一次，并且

  （1 |位置：学生：物品）

  将无法识别
• 在某些情况下，变量之间的交互可能是可识别的（例如，测试项目的难度是否因位置而异？）；这可以指定为

  （1 |位置：项目）

  ，但您必须小心一点，确保交互级别不会唯一识别观察结果（见上一点）

您可能会发现GLMM FAQ非常有用，尤其是

---

PS我绝对建议您尝试使用原始数据的一个子集（150万项当然可以使用

glmer

，但速度会很慢……；您可能还希望指定

control=glmerControl（calc.derivs=FALSE）

跳过部分（慢）诊断检查

感谢您的输入！听到语法我很欣慰-我没有看到交叉分类模型中有什么特别之处，使它们不同于直接的三级模型。我想这没有什么区别，真的吗？您能进一步说明“每个观察都属于单独的随机效应组”的含义吗？你有没有这样一个例子？我来看看这个常见问题。谢谢！是的，没有区别。混合模型的一些实现在交叉（和部分交叉）实验设计中有困难，但不是这个问题中列出的那些。