如何解决用连续二次协变量拟合二次增长模型
这更多是一个理论问题。
让我们说一个连续增长变量Y的二次方拟合模型适合于在四个时间点使用随机截距和随机斜率进行测量。
model <- lmer(Y ~ poly(time,2,raw=TRUE) + (poly(time,raw=TRUE)|subject))
现在我还有另一个连续的预测变量X。我对X的线性和可能的二次效应感兴趣。例如:截距(在时间点0处的Y)相对于X线性变化还是二次性质的影响? ,即X的中值截距最高,X的低值和高值截距较低。 斜坡也一样。
-
我可以估算这样的模型吗??
model <- lmer(Y ~ poly(X,raw=TRUE) + poly(time,raw=TRUE) + poly(X,raw=TRUE)*poly(time,raw=TRUE) + (poly(time,raw=TRUE)|subject)
-
我知道将X分为三个有序类别(低,中,高)也是可行的。那是更好的方法吗?
-
如果我的模型正确,那么如何对时间^ 2 * X ^ 2的相互作用进行事后分析。
-
如果我有更多的连续预测变量,并且我也对它们各自的相互作用感兴趣:拦截,坡度和其他连续预测变量。
非常感谢!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。