Rapporti di esempio per l'analisi di modelli misti utilizzando lmer in biologia, psicologia e medicina?

Dato che il consenso generale sembra essere quello di utilizzare modelli misti via lmer()in R anziché in ANOVA classica (per le ragioni spesso citate, come progetti sbilanciati, effetti casuali incrociati ecc.), Vorrei provarlo con i miei dati. Tuttavia, sono preoccupato di poter "vendere" questo approccio al mio supervisore (che si aspetta un'analisi classica con un valore p alla fine) o successivamente ai revisori.

Potresti consigliare alcuni begli esempi di articoli pubblicati che hanno usato modelli misti o lmer()per progetti diversi come misure ripetute o progetti multipli all'interno e tra soggetti per la biologia del campo, la psicologia, la medicina?

Aggiornamento 3 (maggio 2013): Un altro ottimo documento su modelli misti in Psicologia è stato pubblicato nel Journal of Memory and Language (anche se non sono d'accordo con le conclusioni degli autori su come ottenere valori p , vedere afexinvece il pacchetto ). Discute molto bene su come specificare la struttura degli effetti casuali. Vai a leggerlo!

Barr, DJ, Levy, R., Scheepers, C., & Tily, HJ (2013). Struttura ad effetti casuali per test di ipotesi di conferma: mantenerlo al massimo . Journal of Memory and Language , 68 (3), 255–278. doi: 10.1016 / j.jml.2012.11.001

Aggiornamento 2 (luglio 2012): un documento a sostegno dell'uso della psicologia (sociale) in presenza di effetti casuali incrociati (ad es. Partecipanti e oggetti).
La cosa importante è: mostra come ottenere valori p usando il pacchetto pbkrtest :

Judd, CM, Westfall, J., & Kenny, DA (2012). Trattare gli stimoli come un fattore casuale nella psicologia sociale: una nuova e completa soluzione a un problema pervasivo ma ampiamente ignorato. Journal of Personality and Social Psychology , 103 (1), 54–69. doi: 10.1037 / a0028347
(disponibile solo come Word .doc)

Jake Westfall mi ha detto (per posta) che un'alternativa per ottenere i valori p all'approssimazione di Kenward-Rogers (usata in pbkrtest) è l'approssimazione (meno ottimale) di Satterthwaite, che può essere trovata nel pacchetto MixMod usando la anovaTabfunzione.

Piccolo aggiornamento all'ultimo aggiornamento: il mio pacchetto R afexcontiene la funzione mixed()per ottenere comodamente i valori p per tutti gli effetti in un modello misto. In alternativa, il carpacchetto ora ottiene anche valori p per i modelli misti in Anova()usotest.statistic = "F"

AGGIORNAMENTO1: un altro documento che descrive lme4

Kliegl, R., Wei, P., Dambacher, M., Yan, M., & Zhou, X. (2011). Effetti sperimentali e differenze individuali nei modelli misti lineari: stima della relazione tra effetti spaziali, oggetto e attrazione nell'attenzione visiva. Frontiers in Quantitative Psychology and Measurement , 1, 238. doi: 10.3389 / fpsyg.2010.00238

Risposta originale:

Non ho un numero di esempi, solo uno (vedi sotto), ma conosco alcuni articoli che dovresti citare da Psicologia / Scienze cognitive. Il più importante è sicuramente:

Baayen, RH, Davidson, DJ, & Bates, DM (2008). Modellazione di effetti misti con effetti casuali incrociati per soggetti e oggetti. Journal of Memory and Language , 59 (4), 390–412. doi: 10.1016 / j.jml.2007.12.005

Un altro da Baayen è:

Baayen, RH e Milin, P. (2010). Analisi dei tempi di reazione. International Journal of Psychological Research , 3 (2), 12–28.

In realtà mi è piaciuto molto anche il suo libro, che ha anche un bel capitolo introduttivo sul modello misto (ed è piuttosto economico per un libro di statistiche):
Baayen, RH (2008). Analizzando i dati linguistici: un'introduzione pratica alla statistica utilizzando R . Cambridge, Regno Unito; New York: Cambridge University Press.

Probabilmente suppongo che abbia anche molti documenti in uso lme4, ma poiché il mio interesse principale non è la psicolinguistica, potresti voler controllare la sua homepage .

Dal mio campo (ragionamento), conosco questo articolo che utilizza lme4:

Fugard, AJB, Pfeifer, N., Mayerhofer, B., & Kleiter, GD (2011). Come le persone interpretano i condizionali: passa all'evento condizionale. Journal of Experimental Psychology: Learning, Memory and Cognition , 37 (3), 635–648. doi: 10,1037 / a0022329

(Anche se ho la sensazione che usano un test del rapporto di verosimiglianza per confrontare modelli che differiscono solo per i parametri fissi, che ho sentito non è il modo corretto. Penso che dovresti usare AIC invece.)

Questo è un articolo molto citato su modelli misti per l'ecologia e l'evoluzione:

• Bolker et al. (2009) Modelli misti lineari generalizzati: una guida pratica per ecologia ed evoluzione Tendenze in ecologia ed evoluzione Vol. 24 pp127-135 ( PDF ) ( da ScienceDirect con collegamenti a contenuti supplementari ).

Il seguente articolo si impegna a promuovere l'uso della modellazione multilivello in contesti di scienze sociali:

• Bliese, PD & Ployhart, RE (2002). Modellazione della crescita mediante modelli a coefficiente casuale: costruzione di modelli, test e illustrazioni, metodi di ricerca organizzativa, vol. 5 n. 4, ottobre 2002 362-387. PDF

Per citare l'abstract:

In questo articolo, gli autori illustrano come la modellazione casuale dei coefficienti può essere utilizzata per sviluppare modelli di crescita per l'analisi dei dati longitudinali. Contrariamente alle precedenti discussioni sui modelli di coefficienti casuali, questo articolo fornisce una guida dettagliata che utilizza un framework di confronto dei modelli. Avvicinandosi alla modellazione in questo modo, gli autori sono in grado di costruire una base di regressione e stimare e valutare progressivamente modelli più complessi. Nel framework di confronto dei modelli, l'articolo illustra il valore dell'uso dei test di verosimiglianza per contrastare modelli alternativi (piuttosto che la tipica dipendenza dai test di significatività che coinvolgono singoli parametri) e fornisce il codice nel linguaggio open source R per consentire ai lettori di replicarsi i risultati.

Un esame degli articoli elencati su Google Scholar citando questo articolo suggerisce diversi altri utili indizi .

Sto leggendo Zuur, AF, Ieno, EN, Walker, N., Saveliev, AA e Smith, GM (2009). Modelli di effetti misti e le estensioni in ecologia con R . New York, NY: Springer Science + Business Media, LLC. È scritto per gli ecologi, quindi le statistiche sono abbastanza facili da seguire; Penso che sarebbe utile per le persone di altre discipline, come la medicina o la psicologia. Ci sono molti casi studio inclusi e ognuno ha una sezione dettagliata su come scrivere al meglio le statistiche in un documento.

Un eccellente esempio di utilizzo di modelli misti in ecologia è:

• " Demografia e gestione della specie invasiva Hypericum perforatum . I. Utilizzo di modelli multi-livello a effetti misti per caratterizzare crescita, sopravvivenza e fecondità in un set di dati a lungo termine " (Buckely, Briese e Rees 2003).

Sfortunatamente utilizza le librerie R più vecchie.