如何将变量视为R中GLM中的随机因子

Question

我正在使用R中的GLM对数据集进行统计分析。基本上预测变量是：“探针”（实验中使用的探针类型 - 具有4个水平的因子），“提取”（实验中使用的提取类型 - 因子有2个级别），“坦克”（从中收集样本的罐号 - 从1到9的整数）和“稀释”（每个样本的稀释 - 数字：3.125,6.25,12.5,25,50,100 ）。响应是从多次重复实验（“Rep”）获得的阳性反应数（“阳性”）。我想评估所有预测变量（及其相互作用）对正响应数量的影响，因此我尝试拟合这样的GLM模型：

y<-cbind(mydata$Positive,mydata$Rep - mydata$Positive)
model1<-glm(y~Probe*Extraction*Dilution*Tank, family=quasibinomial, data=mydata)

但后来我的主管告知我，“坦克”预测变量不应被视为基于水平的变量。即它的值为1到9，但它只是坦克标签，因此1和7之间的差异并不重要。将此变量视为因子只会使得大型模型的结果不佳。那么如何将“Tank”变量视为随机因素并将其包含在GLM中？

谢谢

Answer 1

它被称为“混合效应模型”。看看lme4包。

library(lme4)
glmer(y~Probe + Extraction + Dilution + (1|Tank), family=binomial, data=mydata)

此外，您应该使用+而不是*来添加因子。 *包括每个因素的所有相互作用和水平，这将导致巨大的过度拟合模型。除非您有特定的理由相信存在交互，否则您应该明确地编写该交互。