在我的研究中,我将使用几种指标来衡量工作量。具有心率变异性(HRV),皮肤电活动(EDA)和主观量表(IWS)。标准化后,IWS具有三个值:
- 工作量低于正常水平
- 平均工作量
- 工作量高于正常水平。
我想看看生理指标可以很好地预测主观工作量。
因此,我想使用比率数据来预测序数值。根据:如何在R中同时使用数字/分类值进行有序逻辑回归分析?使用此MASS:polr
功能很容易做到。
但是,我也想考虑随机效应,例如受试者之间的差异,性别,吸烟等。在本教程中,我看不到如何向添加随机效应MASS:polr
。替代地lme4:glmer
,然后将是一种选择,但是该功能仅允许预测二进制数据。
是否可以向序数逻辑回归添加随机效应?
您不必对这种结果使用比例赔率,可以使用连续比率模型和其他模型。您可以研究CRAN提供的序数软件包。
—
mdewey
@RobinKramer请阐明您认为随机效应的含义。当统计学家说随机效应时,他们通常想解释不同观察结果之间的聚类。例如,假设您对同一个人重复测量,因此每个肥胖者在特定时间都是一个人,并且每个人有4个观测值。可以说您应该适合随机效应模型。每个人都有特定于人的随机效应(通常假定来自正态分布)。当您说性别,吸烟等时,通常可以将其建模为固定效果。所以你是什么意思?
—
吴伟文
@WeiwenNg这个问题已经很老了,但是我习惯于使用LME回归,在其中我放置了一些我不感兴趣的变量(但确实对DV有影响)作为随机效应。我试图对这个项目做同样的事情。
—
罗宾·克雷默
@RobinKramer我不好,我没有记下日期!也就是说,我仍然认为这里有些混乱。您是否对个人采取了重复措施?如果是这样,那么您应该包括一个人随机拦截。如果您对性别对DV的影响感兴趣,则可能只需要将其建模为正常协变量即可。有人会说将其建模为固定效果(因为您将其对DV的效果视为固定)。将性别视为随机效应确实会在本体论上造成混淆。
—
吴伟文