2
我的數據集包含兩個觀察值,分別爲70位個體在治療開始和結束時的數字評分(「參與」)。時代是不是個人,但這些節目進行視覺檢查。大部分增長在此期間指定lme固定效應公式中的分組因子
sfa <- read.csv("SFAFinalData.csv", header = TRUE)
groupingFormula <- as.formula(paste(columnName,"~ TIME|ID"))
dataSubset <- na.omit(sfa[,seq(1:6)])
inputData <- groupedData(groupingFormula, data=dataSubset, labels = list("Weeks post injury", columnName))
m1 <- lme(inputData)
按預期工作
> m1
Linear mixed-effects model fit by REML
Data: inputData
Log-restricted-likelihood: -631.7963
Fixed: Participation ~ TIME
(Intercept) TIME
18.7616485 0.4220891
Random effects:
Formula: ~TIME | ID
Structure: General positive-definite
StdDev Corr
(Intercept) 15.4985010 (Intr)
TIME 0.2192035 1
Residual 13.2272350
Number of Observations: 140
Number of Groups: 70
現在我試圖分析(即參與,比較之間不變在三個子組(「類型」)的時間的函數:因子分別與三個等級,用10,29和31個個體),但是
m2 <- update(m1, fixed = .~.*TYPE)
導致錯誤
Warning message:
In lme.formula(fixed = Participation ~ TYPE, data = inputData) :
Fewer observations than random effects in all level 1 groups
努力看我在做什麼錯在這裏:據我所見我有足夠的觀察?
這已經修復了這個問題對我來說,謝謝你,但我還是不非常瞭解原始症狀的原因:會避開分組數據對象! – 2012-04-12 13:00:27
使用它的例子總是有點困難。但是請放心,沒有。你的問題可能是固定的ID,而「。」我從不使用它,因爲害怕不利影響。我也從不使用更新,因爲我更願意直接看到我所做的。使用它與1998年的電腦有關。 – 2012-04-12 17:23:28