R中的項目級迴歸係數？

Question

背景：

1000參與者額定自己滿意200點的對象（S），以及關於所述參與者本身提供4名不同的心理測量的變量（A，B，C，d）。有5000個獨特的對象進行評級，因此由於資源限制，並非每個參與者都評估每個對象。這導致了一個稀疏的數據集，其中每個對象被大約30個參與者評分。

從這個設計中，檢索基本的描述統計量（例如，每個對象的平均滿意度）是微不足道的。我現在的任務是建立心理測量變量（A，B，C，D）與對象之間的關係 - 即「如果你在A，B，C，D上以某種方式得分，你可能會發現滿意的對象？

這個想法是運行一個迴歸，隨後提取中介係數。式（以及可能的設計）是相當複雜的，我不知道如何即使在R.嘗試此

數據集：

的數據集如下 -

[參與者ID] ，[對象ID]，[S評級]，[A]，[B]，[C]，[D]

A，B，C，D值對於一個參與者總是相同的，不要依賴於對象。對象ID取值範圍爲1〜5000，與一個參加者ID被與來自5000

實施例的池200級的對象的隨機選擇配對：

+----------------+-----------+----------+-----+------+------+------+ 
| Participant ID | Object ID | S Rating | A | B | C | D | 
+----------------+-----------+----------+-----+------+------+------+ 
| 1    | 23  | 2  | 0.2 | 0.7 | 0.42 | 0.9 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 1    | 69  | 1  | 0.2 | 0.7 | 0.42 | 0.9 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 1    | 769  | 1  | 0.2 | 0.7 | 0.42 | 0.9 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 1    | 1357  | 5  | 0.2 | 0.7 | 0.42 | 0.9 | 
+----------------+-----------+----------+-----+------+------+------+ 
| ... 196 more |   |   |  |  |  |  | 
+----------------+-----------+----------+-----+------+------+------+ 
| 2    | 84  | 1  | 0.3 | 0.12 | 0.6 | 0.86 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 2    | 345  | 5  | 0.3 | 0.12 | 0.6 | 0.86 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 2    | 1357  | 4  | 0.3 | 0.12 | 0.6 | 0.86 | 
+----------------+-----------+----------+-----+------+------+------+ 

公式：

爲了建立項目級別對象評分和參與者級別心理測量變量之間的關係，我希望用下列公式進行迴歸：

SR （A + B + C + D）* I +（1/P）

其中S評級是數據集中的S評級，ABCD是來自數據集的心理測量變量，I是項目級別係數I想要提取，而P是參與者等級係數。

該公式將爲數據集中的每個項目（對象）提供項目級係數-IA，IB，IC，ID。然後，這會回答諸如「對於對象931而言，對A的高評分在預測滿意度方面尤爲重要」。

問題：

是否有可能在R鍵實現這一目標？

我是否正確地認爲上述公式可以讓我獲得項目級別的係數，從而讓我看到心理測量變量A，B，C，D如何有助於預測S，獨立於每個項目I？

是否有可能從R迴歸中檢索這些係數？我希望最終得到一個表格，例如：[對象ID]，[A的貢獻]，[B的貢獻]，[C的貢獻]，[D的貢獻]。這將告訴每個心理測量變量對每個對象單獨預測S的貢獻。

在R中如何去做這件事？

Answer 1

當然，你應該可以在R中做到這一點。關鍵是要正確定義你的變量類。我認爲我和P應該是因素。

，然後只需用LM（）函數：

OBJ = LM（評級〜（A + B + C + d）：I + P）