R:lmer编码，用于所有接受多次治疗的受试者的（随机）不连续时间

我有一组数据来自一个心理实验，受试者被随机分配到四种治疗条件中的一种，并在六种不同的场合测量他们的幸福感。每次测量的确切日期因受试者而异。所有受试者的第一次测量时间为第0天

我用lmer对此进行了分析：

model.a <- lmer(w ~ day * treatment + (day | subject),
  REML=FALSE,
  data=exper.data)

在对受试者的变化轨迹进行了简单的目视检查之后，我现在想包括并检查包括每个受试者的直线斜率在测量场景3和4之间的中间点变化的可能性的影响

我熟悉通过在lmer规范中加入额外的时间变量来模拟坡度的变化。Singer和Willett 2005年出版的《应用纵向数据分析》一书第6章“非线性变化建模”中描述了该方法。按照他们的建议，对于每个测量，对于每个受试者，现在有一个额外的变量称为later.day。对于测量3之前的测量，后一天的值为零；对于以后的测量，later.day编码第40天之后的天数，这是我想要包括可能的斜率变化的点

---

我看不到的是如何调整Singer和Willett案例中示例的lmer编码以适应我自己的问题。。。这包括所有受试者的相同斜率变化点以及受试者之间的因素处理。我非常感谢您对如何编写lmer规范的帮助

你的问题1、2和4听上去像是统计问题，而不是编程问题，更适合你。当然，问题3是一个编程问题，所以如果你想保持这一点，那么考虑编辑只关注这一点。我投票结束这个问题。正如@aosmith所指出的，其中大部分是基于统计的，应该迁移到交叉验证。这个问题的一部分可以作为一个编程问题来解决；但我认为最好是结束它，提出一个更简洁、更具体的问题，重点放在编程上。也就是说，这实际上是两组问题。“统计问题最好放在简历上，编程问题应该重新措辞并张贴在简历上。”Alex。我已经对这个问题进行了大量的编辑，将其精简为编码。我希望它现在更适合这种情况。我也不清楚你是想把随机的一块指定为日标的物还是测量标的物。随机斜率是按天还是按测量场合。。。。在任何一种情况下，如果我正确理解你，我相信你是在试图作为一种随机效应进行行为。“这是正确的吗？”Alex你的观察结果表明，我所寻求的基本上是一种随机效应分段回归，这非常有用。非常感谢。我曾有机会搜索过与lmer分段或断棒相关的页面，并在标题处找到分段增长曲线。