Ich habe Daten aus einem Experiment gesammelt, das wie folgt organisiert ist:
Zwei Standorte mit jeweils 30 Bäumen. 15 werden behandelt, 15 werden an jeder Stelle kontrolliert. Von jedem Baum nehmen wir drei Stängelstücke und drei Wurzelstücke, also 6 Proben der Stufe 1 pro Baum, die durch eine von zwei Faktorstufen (Wurzel, Stängel) dargestellt werden. Anschließend entnehmen wir aus diesen Stamm- / Wurzelproben zwei Proben, indem wir verschiedene Gewebe in der Probe zerlegen. Dies wird durch eine von zwei Faktorstufen für den Gewebetyp (Gewebetyp A, Gewebetyp B) dargestellt. Diese Proben werden als kontinuierliche Variable gemessen. Die Gesamtzahl der Beobachtungen beträgt 720; 2 Standorte * 30 Bäume * (drei Stammproben + drei Wurzelproben) * (eine Gewebe-A-Probe + eine Gewebe-B-Probe). Die Daten sehen so aus ...
ï..Site Tree Treatment Organ Sample Tissue Total_Length
1 L LT1 T R 1 Phloem 30
2 L LT1 T R 1 Xylem 28
3 L LT1 T R 2 Phloem 46
4 L LT1 T R 2 Xylem 38
5 L LT1 T R 3 Phloem 103
6 L LT1 T R 3 Xylem 53
7 L LT1 T S 1 Phloem 29
8 L LT1 T S 1 Xylem 21
9 L LT1 T S 2 Phloem 56
10 L LT1 T S 2 Xylem 49
11 L LT1 T S 3 Phloem 41
12 L LT1 T S 3 Xylem 30
Ich versuche, mit R und lme4 ein Modell mit gemischten Effekten anzupassen, bin aber neu in gemischten Modellen. Ich möchte die Reaktion als Behandlung + Faktor 1 (Stamm, Wurzel) + Faktor 2 (Gewebe A, Gewebe B) mit zufälligen Effekten für die spezifischen Proben modellieren, die in den beiden Ebenen verschachtelt sind.
In R mache ich das mit lmer wie folgt
fit <- lmer(Response ~ Treatment + Organ + Tissue + (1|Tree/Organ/Sample))
Nach meinem Verständnis (... was nicht sicher ist und warum ich poste!) Lautet der Begriff:
(1|Tree/Organ/Sample)
Gibt an, dass 'Sample' in den Organ-Samples verschachtelt ist, die im Baum verschachtelt sind. Ist diese Art der Verschachtelung relevant / gültig? Entschuldigung, wenn diese Frage nicht klar ist, wenn ja, geben Sie bitte an, wo ich näher darauf eingehen kann.
Ich habe diese Frage und die Antwort von Dr. Bolker gelesen und versucht, die Daten zu replizieren (es kümmert mich nicht viel, ehrlich gesagt, was "Länge" in biologischen Begriffen oder Einheiten bedeutet, und dann passe ich das Modell wie oben an. Die Ergebnisse veröffentliche ich hier Feedback bezüglich des möglichen Vorhandenseins von Missverständnissen einzuholen.
Den Code, mit dem ich diese fiktiven Daten generiert habe, finden Sie hier . Der Datensatz hat die innere Struktur des OP:
Die Struktur ist wie folgt:
Der Datensatz wurde wie folgt "manipuliert" (Rückmeldung hier erwünscht):
treatment
es gibt einen festen Effekt mit zwei unterschiedlichen Abschnitten für die Behandlung gegenüber Kontrollen (100
gegenüber70
) und keinen zufälligen Effekten.tissue
mit prominenten festen Effekten mit sehr unterschiedlichen Abschnitten fürphloem
versusxylem
(3
versus6
) und für zufällige Effekte mit asd = 3
.organ
sd = 3
6
root
stem
tree
wir haben nur zufällige Effekte mit asd = 7
.sample
ich habe versucht, nur zufällige Effekte mit einzustellensd = 5
.site
auch nur zufällige eff's mitsd = 3
.Aufgrund der Kategorisierung der Variablen wurden keine Steigungen festgelegt.
Die Ergebnisse des Mixed-Effects-Modells:
wurden:
Wie hat es geklappt:
treatment
der Abschnitt ohne Behandlung war79.8623
(ich stellte einen Mittelwert von auf70
), und mit Behandlung war es79.8623 + 21.4368 = 101.2991
(wir stellten einen Mittelwert von auf)100
.tissue
es gab einen3.1820
Beitrag zum Abfangen mit freundlicher Genehmigung vonxylem
, und ich hatte einen Unterschied zwischenphloem
undxylem
von aufgestellt3
. Die zufälligen Effekte waren nicht Teil des Modells.organ
Proben aus derstem
erhöhten den Achsenabschnitt um0.1856
- ich hatte keinen Unterschied in festen Effekten zwischenstem
und eingestelltroot
. Die Standardabweichung dessen, was ich als zufällige Effekte verwenden wollte, wurde nicht berücksichtigt.tree
zufälligen Effekte mit einer SD7
tauchten schön auf7.027
.sample
die Anfängesd
von5
wurde underemphasized wie3.088
.site
war nicht Teil des Modells.Insgesamt scheint das Modell also mit der Struktur der Daten übereinzustimmen.
quelle