J'ai des données recueillies à partir d'une expérience organisée comme suit:
Deux sites de 30 arbres chacun. 15 sont traités, 15 sont contrôlés sur chaque site. De chaque arbre, nous échantillonnons trois morceaux de la tige et trois morceaux des racines, soit 6 échantillons de niveau 1 par arbre, représentés par l'un des deux niveaux de facteur (racine, tige). Ensuite, à partir de ces échantillons de tige / racine, nous prélevons deux échantillons en disséquant différents tissus dans l'échantillon, ce qui est représenté par l'un des deux niveaux de facteur pour le type de tissu (type de tissu A, type de tissu B). Ces échantillons sont mesurés en tant que variable continue. Le nombre total d'observations est 720; 2 sites * 30 arbres * (trois échantillons de tige + trois échantillons de racines) * (un échantillon de tissu A + un échantillon de tissu B). Les données ressemblent à ceci ...
ï..Site Tree Treatment Organ Sample Tissue Total_Length
1 L LT1 T R 1 Phloem 30
2 L LT1 T R 1 Xylem 28
3 L LT1 T R 2 Phloem 46
4 L LT1 T R 2 Xylem 38
5 L LT1 T R 3 Phloem 103
6 L LT1 T R 3 Xylem 53
7 L LT1 T S 1 Phloem 29
8 L LT1 T S 1 Xylem 21
9 L LT1 T S 2 Phloem 56
10 L LT1 T S 2 Xylem 49
11 L LT1 T S 3 Phloem 41
12 L LT1 T S 3 Xylem 30
J'essaie d'adapter un modèle à effets mixtes en utilisant R et lme4, mais je suis novice dans les modèles mixtes. J'aimerais modéliser la réponse sous la forme traitement + facteur de niveau 1 (tige, racine) + facteur de niveau 2 (tissu A, tissu B), avec des effets aléatoires pour les échantillons spécifiques imbriqués dans les deux niveaux.
En R, je le fais en utilisant lmer, comme suit
fit <- lmer(Response ~ Treatment + Organ + Tissue + (1|Tree/Organ/Sample))
D'après ma compréhension (... ce qui n'est pas certain, et pourquoi je poste!), Le terme:
(1|Tree/Organ/Sample)
Spécifie que 'Sample' est imbriqué dans les échantillons d'organes, ce qui est imbriqué dans l'arborescence. Ce type d'imbrication est-il pertinent / valide? Désolé si cette question n'est pas claire, dans l'affirmative, veuillez préciser où je peux élaborer.
J'ai lu cette question et la réponse de M. Bolker, et j'ai essayé de reproduire les données (ne me souciant pas beaucoup, franchement, de ce que représente la "longueur" en termes biologiques ou en unités, puis de l'adapter au modèle comme ci-dessus. Je publie les résultats ici. pour partager et obtenir des commentaires sur la présence probable de malentendus.
Le code que j'ai utilisé pour générer ces données fictives peut être trouvé ici , et le jeu de données a la structure interne de l'OP:
La structure est la suivante:
L'ensemble de données a été "truqué" (les commentaires ici seraient les bienvenus) comme suit:
treatment
, il existe un effet fixe avec deux interceptions distinctes pour le traitement versus contrôle (100
versus70
), et aucun effet aléatoire.tissue
avec des effets fixes importants avec des interceptions très différentes pourphloem
versusxylem
(3
versus6
) et des effets aléatoires avec asd = 3
.organ
il y a deux « contributions » d'interception au hasard à partir d' un (c. -à ) avec une contribution de l' effet fixé à l'intersection de la fois et .sd = 3
6
root
stem
tree
nous avons juste des effets aléatoires avec unsd = 7
.sample
j'ai essayé de mettre en place uniquement des effets aléatoires avecsd = 5
.site
aussi juste eff eff aléatoire avecsd = 3
.En raison de la nature catégorique des variables, aucune pente n’a été configurée.
Les résultats du modèle à effets mixtes:
étaient:
Comment cela s'est-il passé?
treatment
l'interception sans traitement était79.8623
(je mis en place une moyenne70
), et avec le traitement était79.8623 + 21.4368 = 101.2991
(nous avons mis en place une moyenne de100
.tissue
il y avait une3.1820
contribution à la politesse d'interception dexylem
, et j'avais mis en place une différence entrephloem
etxylem
de3
. Les effets aléatoires ne faisaient pas partie du modèle.organ
, les échantillons de lastem
augmentation de l'interception de0.1856
- j'avais mis en place aucune différence dans les effets fixes entrestem
etroot
. L'écart type de ce que je voulais faire comme effets aléatoires n'était pas reflété.tree
effets aléatoires avec un SD de7
surface ont bien fait surface7.027
.sample
, l'initialesd
de a5
été sous-estimée comme3.088
.site
ne faisait pas partie du modèle.Donc, dans l’ensemble, il semble que le modèle corresponde à la structure des données.
la source