Beispielberichte für eine Mixed-Model-Analyse unter Verwendung von Lmer in Biologie, Psychologie und Medizin?

Da der allgemeine Konsens darin zu bestehen scheint, gemischte Modelle über lmer()in R anstelle der klassischen ANOVA zu verwenden (aus den häufig genannten Gründen, wie unsymmetrische Designs, gekreuzte Zufallseffekte usw.), möchte ich es mit meinen Daten versuchen. Ich befürchte jedoch, dass ich diesen Ansatz meinem Vorgesetzten (der am Ende eine klassische Analyse mit einem p-Wert erwartet) oder späteren Gutachtern "verkaufen" könnte.

Könnten Sie ein paar schöne Beispiele für veröffentlichte Artikel empfehlen, die gemischte Modelle oder lmer()unterschiedliche Entwürfe wie wiederholte Messungen oder mehrere Entwürfe innerhalb und zwischen Fachgebieten für den Bereich Biologie, Psychologie, Medizin verwenden?

Update 3 (Mai 2013): Ein weiteres wirklich gutes Papier über gemischte Modelle in der Psychologie wurde im Journal of Memory and Language veröffentlicht (obwohl ich den Schlussfolgerungen des Autors zum Erhalt von p- Werten nicht zustimme , siehe afexstattdessen Paket ). Es wird sehr ausführlich erläutert, wie die Zufallseffektstruktur angegeben wird. Geh und lies es!

Barr, DJ, Levy, R., Scheepers, C. & Tily, HJ (2013). Random-Effects-Struktur für das Testen von Bestätigungshypothesen: Halten Sie sie maximal . Journal of Memory and Language , 68 (3), 255–278. doi: 10.1016 / j.jml.2012.11.001

Update 2 (Juli 2012): Ein Artikel, der den Einsatz in der (Sozial-) Psychologie befürwortet, wenn zufällige Effekte überkreuzt werden (z. B. Teilnehmer und Gegenstände).
Die große Sache ist: Es zeigt, wie man p-Werte mit dem Paket pbkrtest erhält :

Judd, CM, Westfall, J. & amp; Kenny, DA (2012). Stimuli als Zufallsfaktor in der Sozialpsychologie behandeln: Eine neue und umfassende Lösung für ein allgegenwärtiges, aber weitgehend ignoriertes Problem. Zeitschrift für Persönlichkeits- und Sozialpsychologie , 103 (1), 54–69. doi: 10.1037 / a0028347
(nur als Word .doc verfügbar)

Jake Westfall sagte mir (per Mail), dass eine Alternative zum Erhalten von p-Werten zur empfohlenen Kenward-Rogers-Näherung (verwendet in pbkrtest) die (weniger optimale) Satterthwaite-Näherung ist, die im MixMod- Paket unter Verwendung der anovaTabFunktion gefunden werden kann.

Kleines Update zum letzten Update: Mein R-Paket afexenthält eine Funktion mixed()zum bequemen Abrufen von p-Werten für alle Effekte in einem gemischten Modell. Alternativ carerhält das Paket jetzt auch p-Werte für gemischte Modelle in Anova()Verwendungtest.statistic = "F"

UPDATE1: Ein weiteres Papier, das lme4 beschreibt

R. Kliegl, P. Wei, M. Dambacher, M. Yan & X. Zhou (2011). Experimentelle Effekte und individuelle Unterschiede in linearen Mischmodellen: Abschätzung der Beziehung zwischen räumlichen, Objekt- und Anziehungswirkungen bei visueller Aufmerksamkeit. Frontiers in Quantitative Psychology and Measurement , 1, 238. doi: 10.3389 / fpsyg.2010.00238

Ursprüngliche Antwort:

Ich habe nicht eine Reihe von Beispielen, nur eines (siehe unten), aber ich kenne einige Artikel, die Sie aus der Psychologie / Kognitionswissenschaft zitieren sollten. Das wichtigste ist definitiv:

Baayen, RH, Davidson, DJ & Bates, DM (2008). Mixed-Effects-Modellierung mit gekreuzten Zufallseffekten für Objekte und Objekte. Journal of Memory and Language , 59 (4), 390–412. doi: 10.1016 / j.jml.2007.12.005

Ein anderer aus Baayen ist:

Baayen, RH & Milin, P. (2010). Reaktionszeiten analysieren. International Journal of Psychological Research , 3 (2), 12–28.

Eigentlich hat mir auch sein Buch sehr gut gefallen, das auch ein schönes Einführungskapitel über gemischte Modelle enthält (und für ein Statistikbuch ziemlich günstig ist):
Baayen, RH (2008). Die Analyse linguistische Daten: eine praktische Einführung in der Statistik mit R . Cambridge, UK; New York: Cambridge University Press.

Ich vermute, er hat auch eine Menge Artikel in Arbeit lme4, aber da mein Hauptinteresse nicht die Psycholinguistik ist, solltest du vielleicht auf seiner Homepage nachsehen .

Aus meinem Fachgebiet (Argumentation) kenne ich dieses eine Papier, das Folgendes verwendet lme4:

Fugard, AJB, Pfeifer, N., Mayerhofer, B. & Kleiter, GD (2011). Wie Menschen Bedingungen interpretieren: Verschiebt sich zum bedingten Ereignis. Journal of Experimental Psychology: Lernen, Gedächtnis und Kognition , 37 (3), 635–648. doi: 10.1037 / a0022329

(Obwohl ich das Gefühl habe, dass sie einen Likelihood-Ratio-Test verwenden, um Modelle zu vergleichen, die sich nur in den festgelegten Parametern unterscheiden. Ich habe gehört, dass dies nicht der richtige Weg ist. Ich denke, Sie sollten stattdessen AIC verwenden.)

Dies ist eine vielzitierte Arbeit über gemischte Modelle für Ökologie und Evolution:

• Bolker et al. (2009) Verallgemeinerte lineare Mischmodelle: ein praktischer Leitfaden für Ökologie und Evolutionstrends in Ecology & Evolution Vol. 24 S. 127-135 ( PDF ) ( von ScienceDirect mit Links zu ergänzenden Inhalten ).

Der folgende Artikel ist bestrebt, die Verwendung von Mehrebenen-Modellierung in sozialwissenschaftlichen Settings zu fördern:

• Bliese, PD & amp; Ployhart, RE (2002). Wachstumsmodellierung unter Verwendung zufälliger Koeffizientenmodelle: Modellbildung, -prüfung und -illustrationen, Organisationsforschungsmethoden, Bd. 5 Nr. 4, Oktober 2002, 362-387. PDF

Um das Abstract zu zitieren:

In diesem Artikel veranschaulichen die Autoren, wie mithilfe der Zufallskoeffizientenmodellierung Wachstumsmodelle für die Analyse von Längsschnittdaten entwickelt werden können. Im Gegensatz zu früheren Diskussionen über Zufallskoeffizientenmodelle bietet dieser Artikel eine schrittweise Anleitung unter Verwendung eines Modellvergleichsrahmens. Wenn die Autoren auf diese Weise an die Modellierung herangehen, können sie eine Regressionsgrundlage aufbauen und komplexere Modelle schrittweise abschätzen und bewerten. Im Rahmen des Modellvergleichs veranschaulicht der Artikel den Wert der Verwendung von Wahrscheinlichkeitstests, um alternative Modelle gegenüberzustellen (anstelle der typischen Abhängigkeit von Signifikanztests mit einzelnen Parametern), und stellt Code in der Open-Source-Sprache R bereit, damit Leser replizieren können die Ergebnisse.

Eine Überprüfung der in Google Scholar aufgelisteten Artikel unter Berufung auf dieses Dokument legt mehrere andere nützliche Hinweise nahe .

Ich lese Zuur, AF, Ieno, EN, Walker, N., Saveliev, AA und Smith, GM (2009). Gemischte Effekte Modelle und Erweiterungen in der Ökologie mit R . New York, NY: Springer Science + Business Media, LLC. Es ist für Ökologen geschrieben, daher sind die Statistiken ziemlich einfach zu befolgen. Ich denke, es wäre nützlich für Menschen aus anderen Disziplinen, wie zum Beispiel Medizin oder Psychologie. Es sind viele Fallstudien enthalten, und jede enthält einen detaillierten Abschnitt darüber, wie Sie die Statistiken am besten in eine Arbeit schreiben können.

Ein hervorragendes Beispiel für die Verwendung gemischter Modelle in der Ökologie ist:

• " Demographie und Management der invasiven Spezies Hypericum perforatum . I. Verwendung mehrstufiger Mixed-Effects-Modelle zur Charakterisierung von Wachstum, Überleben und Fruchtbarkeit in einem Langzeitdatensatz " (Buckely, Briese und Rees 2003).

Leider werden ältere R-Bibliotheken verwendet.