Wie kann ein lineares Mischeffektmodell für diejenigen gemeldet werden, die nicht vertraut und skeptisch sind?

Ich bin jetzt einige Male auf dieses Problem gestoßen, wobei Prüfer mehr Rechtfertigung für die Verwendung von LMMs, herkömmliche Tests anstelle oder zusätzlich zu LMMs und vollständige Tabellen mit Parameterschätzungen anfordern, die denen entsprechen, die Sie mit einem regulären linearen Modell melden würden .

Im Moment ist mein spezielles Problem ein Prüfer, der "Eine Tabelle mit den wichtigsten Parameterschätzungen der verschiedenen Modelle" anfordert. Ich denke, sie wollen so etwas wie eine traditionelle Tabelle, die man für ein lineares Modell (mit t-Tests und p-Werten) angeben würde, aber in diesem Fall beinhalten die Analysen verschachtelte Modellvergleiche und es gibt keine t-Tests für jeden der darin enthaltenen Parameter Modell, sondern ein einzelner Test für den Modellvergleich, über den ich in der Arbeit berichte. Ich bin mir also nicht sicher, was ich tun soll - ich möchte den Prüfer zufrieden stellen, aber ich möchte nicht unbedingt große Informationstabellen einfügen, die für die Bewertung der Ergebnisse von geringem Nutzen sind. Im Moment melde ich einfach den Beta-, SE-, Chi-Quadrat- und P-Wert. Ich mache auch klar, welche Variablen in jedem Modell enthalten waren. Irgendwelche Vorschläge, wie es weitergehen soll?

Folgendes möchte ich antworten:

Wir glauben, dass der Prüfer nach etwas fragt, das dem entspricht, was in einer herkömmlichen multiplen Regressionsanalyse mit Parameterschätzungen und den dazugehörigen Statistiken und p-Werten für jede in einem bestimmten Modell enthaltene Variable angegeben wird. Da bei linearen gemischten Modellanalysen verschachtelte Modelle verwendet werden, bei denen reduzierte Modelle mit vollständigen Modellen mit einem zusätzlichen Parameter verglichen werden, wird nur der Parameter getestet, der im vollständigen Modell (CITATION) hinzugefügt wird. Daher würde das Einschließen einer Tabelle die Interpretation nicht unterstützen der Ergebnisse in der Weise, wie es in einer traditionelleren Analyse wäre. Daher geben wir für jede Analyse die Betas für den getesteten Parameter in jedem Modellvergleich zusammen mit den wichtigsten Statistiken im Hauptteil des Ergebnisabschnitts an, wie empfohlen (ZITATE).

Wenn ich nach einer Begründung für die Verwendung von LMMs in meinem speziellen Fall gefragt werde, schlage ich Folgendes vor:

Wir haben lineare gemischte Modelle verwendet, da diese Analyse es uns ermöglichte, die Variabilität aufgrund des Versuchstyps in unseren Modellen zu berücksichtigen (Switch- oder No-Switch-Versuche), während gleichzeitig die Tatsache berücksichtigt wurde, dass die Versuche in Probanden verschachtelt waren, und mehrere Antworten derselben Person sind ähnlicher als die Antworten anderer Personen. Es wurde erwartet, dass die Berücksichtigung sowohl der Versuchsart als auch der Varianz auf Probandenebene in den Reaktionszeiten den Fehler in unseren Modellen verringert und unsere Fähigkeit erhöht, Auswirkungen der Aufgabenleistung zu erkennen.

Wenn Sie Vorschläge haben, wie dies verbessert werden könnte, würde ich es begrüßen. Auch dieses Publikum ist statistisch nicht anspruchsvoll, so dass das Hinzufügen von Tabellen und zusätzlichen Daten wahrscheinlich nur zu ihrer Verwirrung / Skepsis beiträgt.

Beachten Sie auch, dass meine Motivation für die Verwendung von LMMs anders ist als in den Artikeln (z. B. mehrere zufällige Effekte gleichzeitig modellieren - in meinem Fall gibt es nur einen zufälligen Effekt - Teilnehmer, und der Versuchstyp ist ein fester Effekt) Ich bin mir nicht sicher, ob das Zitieren einiger allgemeiner Papiere so hilfreich ist. Es ist möglich, dass ich andere Möglichkeiten zur Analyse dieser Daten übersehen habe, sodass meine Rechtfertigung für die Verwendung von LMMs nicht zutreffend ist.

Ich bin teilweise auf der Seite des Rezensenten. Sie interessieren sich für die Auswirkung Ihres interessierenden Parameters - angesichts des restlichen Modells . Es ist schwierig, die Ergebnisse zu interpretieren und die Gültigkeit des Modells zu überprüfen, wenn Sie nur einen einzigen interessierenden Parameter angeben. Ich würde zur Verfügung stellen:

• die Formel Ihres Modells
• Beta-Schätzungen für alle festen Effekte
• entsprechende SEs und CIs
• entsprechende Teststatistiken (z, t, Chi ^ 2, Änderung von AIC / BIC, was auch immer Sie verwendet haben) mit df's / n's
• entsprechende p-Werte
• SDs für Ihre zufälligen Effekte und deren Korrelationen (falls erforderlich als separate Tabelle)

Die Platzbeschränkungen in den meisten klassischen Zeitschriften machen es erforderlich, diese Informationen in eine Online-Beilage aufzunehmen.

Beispiele für die Meldung gemischter Modelle finden Sie hier .