随机斜率建模

Question

我必须写下三个试图通过不同因素解释声音频率的模型。前两个没有问题，但在第三个模型中并不真正知道他们要求的是什么。我理解随机截距，但不是随机斜率。特别是因为我们将两次使用随机斜率来表达“态度”？任何帮助赞赏。

第一个，model_FE，只有固定的效果。它试图用frequency，gender及其相互作用来解释attitude。

第二个，model_intercept_only，就像model_FE，但也为scenario和subject添加随机拦截。

最后，model_max_RE就像model_FE一样，但也指定了以下随机效应结构：逐个场景随机截距，gender，attitude及其相互作用的随机斜率，以及attitude的副主题随机截距和随机斜率。

记得设置eval = TRUE。

model_FE <- brm(formula = frequency ~ gender * attitude, 
               data = politeness_data)

model_intercept_only <- brm(formula = frequency ~ gender * attitude + (1|subject) + (1|scenario) , data = politeness_data) 

Answer 1

随机效应术语描述

情景随机截距，以及性别，态度及其相互作用的随机斜率

对应于

(1 + gender*attitude | scenario)

由...描述的那个

以及随机主题随机截距和态度的随机斜率。

对应于

(1 + attitude | subject)

这些术语应与固定效果结合使用：

~ gender*attitude + (1 + gender*attitude | scenario) +
   (1 + attitude | subject)

• 在随机效应项(f|g)中，g指定了分组变量：这始终是一个分类变量，并且明智应该是一个可交换的变量（即，更改变量上的标签不应该改变它们的含义：我会说sex通常不会被视为可交换的）。
• |，f左侧的公式组件指定了在分组变量的各个级别之间变化的术语：除非使用-1或0明确禁止，否则这总是包含截距。除非您想强制执行随机效果的特定组合彼此独立，否则您应该在相同的f规范中包含所有不同的术语。如果您想要包含分类变量的多个独立f术语，则需要特别小心（这需要更长的解释/单独的问题）。
• 如果它们属于不同的分组变量，你可以明智地在同一个模型中有多个“随机截取”： (1|subject) + (1|scenario)意味着跨主题和跨场景的拦截存在差异。