查看原文
其他

LMM可视化分析软件LMMgui简述

AWei 自我整合 2023-02-24

LMM可视化分析软件LMMgui简述

LMMs可用于商业程序,如SPSS(“mixed”)、SAS(“proc mixed”)、S-PLUS、MLwiN或ASReml。LMMgui是一个免费的图形用户界面,使用lme4 (Bates et al., 2014),这是一个免费的开源程序R中的包。LMMgui是针对想使用lme4,但还不熟悉R和命令行编程的实验心理学家。


它提供了一个简单的接口来对变量进行分类(作为随机或固定因素,下图顶部窗口),然后指定两个LMMs(中间窗口)。LRT用于比较模型。LMMs细节、诊断图和LRT的结果(χ2, df 和p-value)可用于检验(底部窗口)。这些图允许我们检查线性和方差齐性(拟合与残差)的假设,以及残差的正态性。

LMMgui的示例窗口。一旦选择了数据文件,就要求用户使用顶部窗口对变量进行分类。在这个假设的例子中(见公式1),变量的分类如下:“RT”为反应变量,“Listener”为被试(随机因素),“Level”(声级)为连续固定协变量。任何没有按radio-button或复选框分类的变量都被视为离散的固定因素。在本例中, “Language”。一旦对变量进行了分类,下一步就是模型说明(中间窗口)。用户通过在下拉菜单中选择要包含在两个模型中的术语。模型的拟合结果和比较结果可从结果(底部)窗口获得。用户可以查看每个模型的简要信息、诊断图(拟合与残差图、残差正态性直方图)以及模型比较结果。


对于前面推文中提到的假设实验,解释变量分别为:语言(被试内,分类固定因素)、声级(被试内,连续固定协变量)、听者(被试,随机因素)。为了清晰起见,省略了说话人的随机因素。LMMgui使用lme4的lmer函数创建模型,LMM可以表示为:

RT~Language+Level+(Language+Level|Listener)


其中“RT”为反应变量,模型项位于波浪号字符(“~”)右侧。第一个术语是固定效应:“Language”和“Level”。交互项应该包括冒号“:”。随机效应术语是那些包含一个条形符号(“|”)的术语。条形图的右边是随机因素“Listener”。条形图左边的表达式表明,对于固定因子,这个随机项包含相关的截距和斜率。“(Language + Level|Listener)”包含随机截距,相当于“(1 + Language + Level|Listener)”。相反,只有随机截距的术语是“(1| Listener)”,而不相关的随机截距和斜率的术语是“(Language + Level || Listener)”。


为了评价level的主效应,可以将上述模型与没有level项的模型进行比较,即:

RT~Language+(Language+Level|Listener)


注意,在评价固定效应时,建议模型的随机效应部分始终包含所有固定因素的斜率,因为这已被证明对实验心理学的验证性假设检验是很重要(Barr, 2013)。然而,如果随机因素没有完全交叉,这样的“完全”随机效应项可能是不合适的,并可能导致模型收敛失败。


与大多数统计分析一样,一个重要的计算步骤是估计最小二乘法的参数。虽然这些细节超出了本次推文范围,但是研究者应该知道标准极大似然(ML)和限制ML (REML)标准。虽然默认的REML可以提供更好的随机效果标准差估计,但它是通过对固定效应参数中的一些不确定性进行平均来实现的。因此,当比较具有不同固定效应结构的LMMs时,使用ML准则。


显著的低强度rt表明缺失的固定效应项(交互作用或主效应)是重要的。例如,假设数据显示了声级的显著主效应。请注意,存在显著的高阶交互可能会使解释低阶交互/主效应变得困难。


虽然目前LMMgui仅适用于来自正态分布总体的连续反应变量,但混合效应模型也可用于分类反应变量。lme4包含glmer函数,该函数可用于计数数据(泊松分布)、二进制/比例数据(二项式) 和方差随均值平方增加的数据(gamma)。关于R在一般情况下的使用的介绍书籍和心理学中的混合效应模型(Baayen, 2008)可供进一步阅读。对于已经熟悉R命令行接口的研究者来说,有很多有用的软件包可以对LMMs进行系统的评估,比如各种包afex、car、ez、lmerTest、pbkrtest。

LMMgui软件获取网址:https://www.oa.uni-hamburg.de/datenbanken/lmmgui.html 。也可以后台回复【LMM】获取百度云链接。注:软件版权归David A. Magezi作者所有,使用时请遵守相关法律规定。

参考文献

Magezi, D. A. (2015). Linear mixed-effects models for within-participant psychology experiments: an introductory tutorial and free, graphical user interface (LMMgui). Frontiers in psychology6, 2.


声明:部分文章和信息来源于互联网,如转载内容涉及版权等问题,请立即与小编联系,我们将迅速采取适当的措施。

感谢您抽出  · 来阅读此文

更多精彩请点击下列分类文章

↓↓↓

心理学上的验证危机

评估心理学中错误发现的风险

P值 | X教学,XX理解,XXX使用

线性混合效应模型(LMMs)简述

心理学研究的元分析报告标准:现状与建议

治疗

强迫性人格障碍的患者,他可能为了牢牢控制住自己所有的自发情绪而用干巴巴的没有情感色彩的单调的方式说话,而且还会加入大量的无关细节。

向左滑动

关注“自我整合”

从心开始做更好

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存