在生物学，心理学和医学领域使用lmer进行混合模型分析的示例报告？

由于通常的共识似乎是lmer()在R中使用混合模型而不是经典的ANOVA（由于经常提到的原因，例如不平衡设计，交叉随机效应等），我想尝试一下我的数据。但是，我担心我将这种方法“卖”给我的主管（后者希望最终进行p值的经典分析）或以后再将其“出售”给审稿人。

您能推荐一些使用混合模型或lmer()针对不同设计（例如重复测量）或针对领域生物学，心理学，医学的多个学科内部和学科之间设计的不同设计的发表文章的好例子吗？

更新3（2013年5月）：在《记忆与语言》杂志上发表了另一本关于心理学混合模型的非常好的论文（尽管我不同意作者关于如何获得p值的结论，请参见包装afex）。它很好地讨论了如何指定随机效果结构。去读吧！

Barr，DJ，Levy，R.，Scheepers，C.，＆Tily，HJ（2013）。用于验证假设检验的随机效应结构：保持最大。记忆与语言杂志，68（3），255–278。doi：10.1016 / j.jml.2012.11.001

更新2（2012年7月）：提倡在出现交叉（例如参与者和物品）随机效应时在（社会）心理学中使用的论文。
最重要的是：它显示了如何使用pbkrtest包获取p值：

Judd，CM，Westfall，J.，＆Kenny，DA（2012）。将刺激因素视为社会心理学中的随机因素：一种新的综合解决方案，解决了普遍但基本上被忽略的问题。人格与社会心理学杂志，103（1），54-69。doi：10.1037 / a0028347
（仅适用于Word .doc）

Jake Westfall告诉我（每封邮件），对于主张的Kenward-Rogers逼近（用于pbkrtest）获得p值的一种替代方法是（较不理想）Satterthwaite逼近，可以使用该函数在MixMod包中找到它anovaTab。

小更新到最后更新：我的R包afex包含mixed()方便地获取混合模型中所有效果的p值的功能。另外，car程序包现在还可以在Anova()使用中获取混合模型的p值test.statistic = "F"

UPDATE1：另一篇描述lme4的论文

Kliegl，R.，Wei，P.，Dambacher，M.，Yan，M.，＆Zhou，X.（2011年）。线性混合模型中的实验效果和个体差异：估算视觉注意力中空间，物体和吸引力之间的关系。 数量心理学与测量前沿， 1，238. doi：10.3389 / fpsyg.2010.00238

原始回复：

我没有很多例子，只有一个例子（见下文），但知道您应该从心理学/认知科学中引用一些论文。最重要的绝对是：

Baayen，RH，Davidson，DJ和Bates，DM（2008）。主题和项目具有交叉随机效应的混合效应建模。记忆与语言杂志，59（4），390–412。doi：10.1016 / j.jml.2007.12.005

拜恩的另一个人是：

Baayen，RH和Milin，P.（2010年）。分析反应时间。国际心理研究杂志，3（2），12–28。

我实际上也完全喜欢他的书，其中也有一个很好的介绍性章节，介绍了混合模型（对于统计书籍来说这是很便宜的）：
Baayen，RH（2008）。分析语言数据：使用R进行统计学的实用介绍。英国剑桥；纽约：剑桥大学出版社。

我可能猜想他也有很多论文在使用lme4，但是由于我的主要兴趣不是心理语言学，因此您可能想查看他的主页。

从我的领域（推理）中，我知道这一篇文章使用lme4：

Fugard，AJB，Pfeifer，N.，Mayerhofer，B.，＆Kleiter，GD（2011）。人们如何解释条件句：转向条件事件。 实验心理学杂志：学习，记忆和认知，37（3），635–648。doi：10.1037 / a0022329

（尽管我有一种感觉，他们使用似然比检验来比较仅固定参数不同的模型，我听说这不是正确的方法。我认为您应该改用AIC。）

这是一篇关于生态与进化混合模型的引文：

• Bolker等。（2009）广义线性混合模型：生态学和进化的实用指南在生态和演进趋势卷。24 pp127-135（PDF）（来自ScienceDirect，带有指向补充内容的链接）。

以下文章致力于在社会科学环境中促进多级建模的使用：

• Bliese，PD和Ployhart，RE（2002）。使用随机系数模型的增长建模：模型构建，测试和插图，《组织研究方法》，第1卷。5 2002年10月第4号362-387。PDF格式

引用摘要：

在本文中，作者说明了如何使用随机系数建模来开发用于分析纵向数据的增长模型。与先前对随机系数模型的讨论相反，本文提供了使用模型比较框架的逐步指导。通过以这种方式进行建模，作者可以建立回归基础并逐步估计和评估更复杂的模型。在模型比较框架中，本文说明了使用似然测试来对比替代模型的价值（而不是通常依赖于涉及各个参数的重要性测试），并且它以开源语言R提供了代码，以使读者可以复制结果。

对Google学术搜索列出的引用本文的文章进行的研究提出了其他有用的线索。

我正在阅读Zuur，AF，Ieno，EN，Walker，N.，Saveliev，AA和Smith Smith，GM（2009）。R的混合效应模型和生态学扩展。纽约州纽约：Springer Science + Business Media，LLC。它是为生态学家编写的，因此统计数据相当容易遵循。我认为这对其他学科的人也很有用，例如医学或心理学。其中包括许多案例研究，每个案例研究都有一个详细的部分，介绍如何以最佳方式写出统计数据。

在生态学中使用混合模型的一个很好的例子是：

• “ 入侵性物种贯叶连翘的人口统计和管理。I.在长期数据集中使用多级混合效应模型来表征生长，存活和繁殖力 ”（Buckely，Breese和Rees 2003）。

不幸的是，它使用了较旧的R库。