Niedawno powiedziano mi, że nie jest możliwe włączenie zmiennych towarzyszących w czasie do zmiennych mieszanych wzdłużnych bez wprowadzenia opóźnienia czasowego dla tych zmiennych towarzyszących. Czy możesz to potwierdzić / zaprzeczyć? Czy masz jakieś odniesienia do tej sytuacji?
Proponuję wyjaśnić prostą sytuację. Załóżmy, że powtórzyłem pomiary (powiedzmy ponad 30 razy) zmiennych ilościowych (y, x1, x2, x3) u 40 badanych. Każda zmienna jest mierzona 30 razy u każdego pacjenta za pomocą kwestionariusza. W tym przypadku ostatecznymi danymi byłoby 4 800 obserwacji (4 zmienne X 30 razy X 40 podmiotów) zagnieżdżonych u 40 osób.
Chciałbym przetestować osobno (nie dla porównania modeli) dla:
- efekty jednoczesne (synchroniczne): wpływ x1, x2 i x3 w czasie t na y w czasie t.
- efekty opóźnione: wpływ x1, x2 i x3 w czasie t-1 na y w czasie t.
Mam nadzieję, że wszystko jest jasne (nie jestem rodzimym językiem angielskim!).
Na przykład w R lmer {lme4} formuła z opóźnionymi efektami jest następująca:
lmer(y ~ lag1.x1 + lag1.x2 + lag1.x3 + (1|subject))
gdzie y
jest zmienną zależną w czasie t, lag1.x1
oznacza opóźnioną zmienną niezależną x1 na poziomie indywidualnym itp.
Aby uzyskać jednoczesne efekty, formuła jest następująca:
lmer(y ~ x1 + x2 + x3 + (1|subject))
Wszystko działa dobrze i daje interesujące wyniki. Ale czy poprawne jest określenie modelu lmer z synchronicznymi zmiennymi zmiennymi w czasie lub czy coś przeoczyłem?
Edycja: Co więcej, czy można przetestować jednocześnie efekty jednoczesne i opóźnione? , Na przykład :
lmer(y ~ x1 + x2 + x3 + lag1.x1 + lag1.x2 + lag1.x3 + (1|subject))
Teoretycznie sensowne jest przetestowanie konkurencji między efektami równoczesnymi a opóźnionymi. Ale czy jest to możliwe lmer{lme4}
na przykład w R?
źródło