考虑，"y"；作为因变量；x1"；以及"；x2"；作为自变量。考虑两个分类变量"；分组"；以及"；区域"；每个具有2个级别。考虑data_model和所有变量。
考虑2个lmer模型，
data_model_R1 = subset(data_model, REGION=='R1')
formula_R1 = "y ~ 1 + x1 + x2 + (1 + x1 | GROUPING) + (1 + x2 | GROUPING)"
model_R1 = lmer(formula_R1 , data_model_R1)
data_model_R2 = subset(data_model, REGION=='R2')
formula_R2 = "y ~ 1 + x1 + x2 + (1 + x1 | GROUPING) + (1 + x2 | GROUPING)"
model_R2 = lmer(formula_R2 , data_model_R2)
我怎样才能创建一个等价的"；型号"；用一个公式来获得在"0"中生成的所有系数；model_ R1"；以及"；型号_R2"；？类似
model = lmer(formula, data_model)
如何创建等价的"型号"；用一个公式来获得在"0"中生成的所有系数；model_ R1"；以及"；model_R2"；
你真的不可能做到这一点。您正在根据REGION变量的值拆分每个模型的数据。人们通常会这样做，因为他们预计预测因子和反应之间的关联会有所不同，这取决于另一个变量的值(在这种情况下为REGION(。然而，这通常是一个坏主意，因为它会导致统计能力的巨大损失。相反，一个更好的想法是拟合另一个变量与预期与响应具有不同关联的变量之间的相互作用。例如，如果我们想允许x2和y之间的关联根据REGION的值而变化，我们将拟合：
y ~ 1 + x1 + x2*REGION + (1 + x1 | GROUPING) + (1 + x2 | GROUPING)