线性混合模型文章合辑

线性混合模型文章合辑

  • 本文最新更新日期:2020年4月18日

这里整理了本人之前发的所有关于线性混合模型(linear mixed model)的文章。


  • 录屏内容
以下是介绍线性混合模型的视频内容,为目前为止最新,可以着重参考
张光耀:线性混合模型在R中的实现(录屏)zhuanlan.zhihu.com图标
以下是B站的版本,恳请老铁“三连资瓷” ~ ^_^ ~
线性混合模型在R中的实现_哔哩哔哩 (゜-゜)つロ 干杯~-bilibiliwww.bilibili.com图标
  • 线性混合模型的基础知识:
包括基本函数(包),数据整理形式,如果查看结果,如何取舍随机斜率,如果调整比较方式,如果进行planed contrasts,如果进行简单效应分析,如果进行广义模型建模。该部分中有关模型筛选的知识已经outdated,有关内容请移步下面有关的文章。
张光耀:混合线性模型的实现(更新20190607)zhuanlan.zhihu.com图标
  • 关于如何筛选最优模型
在上篇文章已经涉及到一些,下面的部分更细节,应用型更强。
张光耀:线性混合模型中畸形拟合(Singular fit)的判断问题zhuanlan.zhihu.com图标
这篇文章介绍了如何用主成分分析的方法筛选和优化模型,更新了Barr等人(2013)优化模型的思路。主成分分析法,目前为止我了解过的最有效的优化模型的方法。但是理解这一篇文章仍需要了解接下来的一部分内容——因子的对比方式及其数学原理
张光耀:利用主成分分析(PCA)来优化线性混合模型(brief tutorial)zhuanlan.zhihu.com图标
  • 关于因子的对比方式及其数学原理
以下文章介绍了不同比较方式如何影响固定效应的beta值,澄清了他们的不一致性
张光耀:关于R语言中混合线性模型summary()结果中交互作用beta值的含义zhuanlan.zhihu.com图标
以下文章更深入地讨论因子对比方式对线性模型回归系数的影响及其原理,适用范围更广。
张光耀:线性模型中无序因子变量的对比方式与回归系数的关系:原理,困境及其解决zhuanlan.zhihu.com图标
  • 关于如何手动设置对比方式
上面一部分的内容提示,对因子变量,线性模型会自动将其转为虚拟变量,在进行建模。除此之外,模型也支持事先生成对比方式和虚拟变量,这大大提高了建模的灵活性。
张光耀:线性(混合)模型中如何设计事先对比(priori contrasts)矩阵zhuanlan.zhihu.com图标张光耀:线性(混合)模型中如何对因子变量事先生成虚拟变量zhuanlan.zhihu.com图标
  • 关于线性混合模型分析的用户图形界面
注意:shiny界面内的部分内容已经过时,且存在很大的局限性,因此,目前暂不对外开放,正在考虑如何优化。
初学者,或者对R等编程语言不熟悉者,进行LMM较困难,需要花较多的时间来学习基本函数和语法,容易结果出错,下面两篇文章,介绍了我做的进行线性混合模型分析的用户界面,只需用鼠标操作,简单易学,而且功能较jamovi和SPSS中的mixed model更实用强大齐全,包括数据清洗、模型筛选、模型建构、power计算(以及基于眼动数据的生存分析,和生长曲线分析,这两部分没有纳入到dashboard中,因为针对性太强)。
张光耀:Shiny performer of HLM/GLM (beta version 0.9.4.1)zhuanlan.zhihu.com图标张光耀:Shiny dashboard of HLM/GLM (beta version 0.9.5.0)zhuanlan.zhihu.com图标
  • 关于YawMMF数据包
该数据包最初的目的是为了方便优化模型和计算power,后来勘误到,关于模型优化的函数有一些bug(函数名为MixedModelOpt()MixedModelOptPower();当随机截距冗余时,不能去除随机截距,目前正在更新),因此目前不建议用户使用这两个函数。之后陆陆续续增加了一些新的小函数,主要是数据清洗方面的,具体内容可以去我的GitHub上查看。
张光耀:YawMMF package: 因子设计下,线性混合模型分析的“利器”zhuanlan.zhihu.com图标
  • 一个完整的分析实例
该部分内容更新时间较新,仅次于本文开头的录屏内容,用户可着重参考
张光耀:一个完整的线性混合模型分析流程:以因子设计的心理学实验为例zhuanlan.zhihu.com图标

之后新的文章,会即时同步更新到这里,方便读者总览。

编辑于 04-18

文章被以下专栏收录