Ho eseguito un disegno ripetuto per cui ho testato 30 maschi e 30 femmine in tre diversi compiti. Voglio capire come il comportamento di maschi e femmine sia diverso e come ciò dipenda dal compito. Ho usato sia il pacchetto lmer che lme4 per indagare su questo, tuttavia, sono bloccato con il tentativo di verificare i presupposti per entrambi i metodi. Il codice che eseguo è
lm.full <- lmer(behaviour ~ task*sex + (1|ID/task), REML=FALSE, data=dat)
lm.full2 <-lme(behaviour ~ task*sex, random = ~ 1|ID/task, method="ML", data=dat)
Ho verificato se l'interazione era il modello migliore confrontandola con il modello più semplice senza l'interazione e gestendo un'anova:
lm.base1 <- lmer(behaviour ~ task+sex+(1|ID/task), REML=FALSE, data=dat)
lm.base2 <- lme(behaviour ~ task+sex, random= ~1|ID/task), method="ML", data=dat)
anova(lm.base1, lm.full)
anova(lm.base2, lm.full2)
Q1: è corretto utilizzare questi predittori categorici in un modello misto lineare?
Q2: Capisco correttamente che la variabile di risultato ("comportamento") non deve essere distribuita normalmente (tra sesso / attività)?
Q3: Come posso verificare l'omogeneità della varianza? Per un semplice modello lineare che uso plot(LM$fitted.values,rstandard(LM))
. Usi è plot(reside(lm.base1))
sufficiente?
Q4: per verificare la normalità si utilizza il seguente codice ok?
hist((resid(lm.base1) - mean(resid(lm.base1))) / sd(resid(lm.base1)), freq = FALSE); curve(dnorm, add = TRUE)