我有一个实验，有2个IV，时间(3个级别，t1，t2，t3，在受试者内(和校正类型(3个级别，受试者之间(。DV = 姿态(连续(。完整的 lmer 模型如下所示：
agreement ~ correction * time + (1 + time|subject) + (1 + correction + time|item)
如何从整体模型中获得简单的效果？
我想比较时间点 3 的所有三个校正级别，但要考虑时间点 1 的单个参与者分数(基线测量(。这有点像时间点 3 上的 ANCOVA，将时间点 1 的基线分数作为连续度量。
我可以这样做：
library(lsmeans)
ref_levs <- emmeans(mod2, "correction", by = "time", at = list(time = "t3"))
pairs(ref_levs)
但是我无法获得控制单个参与者分数在t1的比较的输出。
我是否被迫对数据集进行子集以获得我需要的东西，拟合像这样的模型？
agreement_t3 ~ correction + time_t1 + (1|subject) + (1 + correction|item)
或者有一种方法可以在不必对数据集进行子集的情况下获得它？
尽管您似乎希望将时间 1 的观测值视为协变量，但我仍将展示一种合理的方法，即使用 OP 中显示的模型估计基线的变化。
首先，设置好时间作为主要因素，并获得将时间 2 和 3 与时间 1 进行比较的对比：
emm1 <- emmeans(mod2, ~ time | correction)
emm2 <- contrast(emm1, "trt.vs.ctrl1, name = "time.gap")
现在，time.gap是一个只有两个水平 t2 - t1 和 t3 - t1 的新因子。因此，您现在可以比较这些更改：
pairs(emm2, by = "time.gap")
可以通过更少的步骤做到这一点：contrast(emm1, interaction = c("trt.vs.ctrl1", "pairwise"), by = NULL);但我认为以上内容不那么令人困惑，更容易解释。