具有级别 1 和级别 2 变量的纵向数据的 R 命令结构

Question

我有不同年份的儿童考试成绩和人口统计数据(纵向数据)，需要对其运行几个比较模型。我对如何在R中设置级别 1 和级别 2 变量感到困惑。

我的数据帧 (df)：

Student  Year  Gender Race MathScore DepressionScore MemoryScore
1        1999   M      C     80            15            80
1        2000   M      C     81            25            60
1        2001   M      C     70            50            75
2        1999   F      C     65            15            99
2        2000   F      C     70            31            98
2        2001   F      C     71            30            99
3        1999   F      AA    92            10            90
3        2000   F      AA    89            10            91
3        2001   F      AA    85            26            80

我想运行至少两个模型并进行比较，但我不确定如何将时变协变量与时变协变量分开。我试过这些：

summary(fix <-lme(MathScore ~ Gender+Race+DepressionScore+MemoryScore, random= Year|Student, data=df, na.action="na.omit")
summary(fix2 <- lme(MathScore ~ 1+Gender+Race+DepressionScore+MemoryScore, random=~1|Year, data=df, na.action=na.omit)) 

我的问题是： 1. 在"修复"中，所有协变量都应该遵循第一个 tilda，random~ be Year|Student应该吗？

2. 如何指定抑郁分数和记忆分数也因年级和学生而异？

3. fix2 应该有"random=~1+Student|Year" or just "random=~1|Year"吗？

Answer 1

你有多年的学生嵌套，所以随机截取模型的命令应该是：

summary(fix <-lme(MathScore ~ Gender+Race+DepressionScore+MemoryScore, random= ~1|Student/Years, data=df, na.action="na.omit")

要分离时变效应和时变效应，您需要分离时变因子中的估计值(参见：Fairbrother，M.，2014。用于分析比较纵向调查数据集的两种多级建模技术。政治学研究与方法2,119-140。DOI：10.1017/PSRM.2013.24)

这需要的是让学生将时变变量居中，以估计持续"学生"效应的影响，并从原始变量中减去它们以分离时变部分。如果没有数据集，我不确定这是否有效，但请尝试类似

ddply(dat, "Student", transform, mean.std.DepressionScore  = mean(DepressionScore))
ddply(dat, "Student", transform, mean.std.MemoryScore= mean(MemoryScore))
df$time.DepressionScore <- df$DepressionScore-df$mean.std.DepressionScore
df$time.MemoryScore<- df$MemoryScore-df$mean.std.MemoryScore

然后模型变为：

summary(fix <-lme(MathScore ~ Gender+Race+mean.std.DepressionScore+time.DepressionScore+mean.std.MemoryScore+time.MemoryScore + Year, random= ~1|Year/Student, data=df, na.action="na.omit")

在此模型中，mean.std 值提供了学生之间"持续存在的时间差异的估计值，而时间。 估计值是衡量学生"内部"加班变化的指标。您需要多年的固定效应估计，以控制可能同样影响时间持久性和时间变化效应的趋势。