如何在R中的GLM中將變量作爲隨機因子處理

Question

我正在使用R中的GLM對數據集進行統計分析。基本上，預測變量爲：「探針」（實驗中使用的探針類型 - 具有4個級別的因子），「提取」（實驗中使用的提取類型 - 具有2個等級的因子），「罐」（收集樣品的罐號 - 從1到9的整數）和「稀釋」樣品號碼：3.125,6.25,12.5,25,50,100）。響應是從多次重複實驗（「Rep」）獲得的正面響應（「正面」）的數量。我想，以評估的積極響應數量所有預測變量（以及它們之間的相互作用）的效果，所以我試圖適應GLM模型是這樣的：

y<-cbind(mydata$Positive,mydata$Rep - mydata$Positive) 
model1<-glm(y~Probe*Extraction*Dilution*Tank, family=quasibinomial, data=mydata) 

但我後來被我的上司告知， 「坦克」預測變量不應被視爲基於級別的變量。即它的值爲1到9，但它只是罐的標籤，所以1和7之間的差異並不重要。將這個變量作爲因子處理只會產生一個結果不好的大型模型。那麼如何將「Tank」變量作爲一個隨機因素對待並將其包含在GLM中呢？

謝謝

Answer 1

它被稱爲「混合效應模型」。看看lme4包裝。

library(lme4) 
glmer(y~Probe + Extraction + Dilution + (1|Tank), family=quasibinomial, data=mydata) 

此外，你應該使用+而不是*添加因素。 *包括每個因素的所有交互和級別，這將導致巨大的過度擬合模型。除非您有特定的理由相信存在交互，否則您應該明確地編寫該交互。