Tôi đã gặp phải vấn đề này một vài lần bây giờ, với các nhà đánh giá yêu cầu biện minh nhiều hơn cho việc sử dụng LMM, các thử nghiệm truyền thống thay vì hoặc ngoài LMM và các bảng tham số đầy đủ ước tính gần giống với những gì bạn sẽ báo cáo với mô hình tuyến tính thông thường .
Ngay bây giờ vấn đề cụ thể của tôi là một người đánh giá yêu cầu "Một bảng chứa các ước tính tham số chính của các mô hình khác nhau". Tôi nghĩ rằng họ muốn một cái gì đó giống như một bảng truyền thống, người ta sẽ báo cáo cho một mô hình tuyến tính (với các kiểm tra t và giá trị p), nhưng trong trường hợp này các phân tích liên quan đến so sánh mô hình lồng nhau và không có kiểm tra t cho từng tham số được bao gồm trong mỗi tham số mô hình, nhưng thay vào đó là một thử nghiệm duy nhất để so sánh mô hình, mà tôi báo cáo trong bài báo. Vì vậy, tôi không chắc chắn phải làm gì - Tôi muốn làm hài lòng người đánh giá, nhưng tôi không nhất thiết muốn bao gồm các bảng thông tin khổng lồ ít được sử dụng để đánh giá kết quả. Ngay bây giờ tôi chỉ cần báo cáo giá trị beta, SE, chi bình phương và p. Tôi cũng làm rõ các biến được bao gồm trong mỗi mô hình. Bất kỳ đề xuất cho cách tiến hành?
Đây là những gì tôi đang đề nghị trả lời:
Chúng tôi tin rằng người đánh giá đang yêu cầu một cái gì đó giống với những gì sẽ được báo cáo trong phân tích hồi quy bội truyền thống, với các ước tính tham số và các thống kê và giá trị p đi kèm của chúng cho mỗi biến được bao gồm trong một mô hình nhất định. Tuy nhiên, vì các phân tích mô hình hỗn hợp tuyến tính sử dụng các mô hình lồng nhau so sánh các mô hình rút gọn với các mô hình đầy đủ với một tham số bổ sung, tham số duy nhất được kiểm tra là mô hình được thêm vào trong mô hình đầy đủ (CITATION) Như vậy, bao gồm cả bảng sẽ không hỗ trợ giải thích về kết quả theo cách phân tích truyền thống hơn. Do đó, đối với mỗi phân tích, chúng tôi báo cáo betas cho tham số đã kiểm tra trong từng so sánh mô hình, cùng với các thống kê quan trọng, trong phần thân của phần kết quả, như được khuyến nghị (CITATION).
Ngoài ra, khi được yêu cầu biện minh cho việc sử dụng LMM trong trường hợp cụ thể của tôi, đây là điều tôi đề xuất trả lời:
Chúng tôi đã sử dụng các mô hình hỗn hợp tuyến tính vì phân tích này cho phép chúng tôi tính toán sự thay đổi do loại thử nghiệm trong các mô hình của chúng tôi (thử nghiệm chuyển đổi so với thử nghiệm không chuyển đổi), đồng thời tính toán thực tế rằng các thử nghiệm được lồng trong các đối tượng và nhiều phản hồi từ cùng một người tương tự như phản hồi từ người khác. Kế toán cho cả loại thử nghiệm và phương sai mức độ chủ đề trong thời gian phản ứng được dự kiến sẽ giảm lỗi trong các mô hình của chúng tôi và tăng khả năng phát hiện bất kỳ ảnh hưởng nào của hiệu suất tác vụ.
Nếu bạn có bất kỳ đề xuất nào về cách cải thiện điều này, tôi sẽ đánh giá cao nó. Một lần nữa, đối tượng này không tinh vi về mặt thống kê, do đó, việc thêm bảng và dữ liệu bổ sung chỉ có khả năng thêm vào sự nhầm lẫn / hoài nghi của họ.
Ngoài ra, lưu ý rằng động lực sử dụng LMM của tôi khác với những gì tôi đã thấy trong các bài báo (ví dụ: mô hình hóa nhiều hiệu ứng ngẫu nhiên đồng thời - trong trường hợp của tôi, chỉ có một hiệu ứng ngẫu nhiên - người tham gia và loại thử nghiệm là hiệu ứng cố định), vì vậy Tôi không chắc chắn rằng trích dẫn một số giấy tờ phổ biến là hữu ích. Có thể là tôi đã bỏ qua các cách khác để phân tích dữ liệu này vì vậy lý do của tôi về việc sử dụng LMM là không thích hợp.
drop1(merMod, type="chisq")