Mixed Models

[Alf9000]

Hallo!

Ich würde gerne zunächst einmal kurz zusammenfassen, was ich vorhabe:
Ich messe (u.A.) die Reaktionszeit einer Person. Es gibt drei unterschiedliche Settings, in denen diese Reaktionszeit erhoben wird. Außerdem erhebe ich mit einem Fragebogen (Likertskala, bestehend aus Likertitems) ein Merkmal.

Mich interessiert nun:
- Hat das Merkmal Auswirkung auf die Reaktionszeit?
- Hat das Setting Auswirkung auf die Reaktionszeit?
- Hat die Interaktion von Merkmal und Setting Auswirkung auf die Reaktionszeit?

Das Merkmal wird einmal pro Person erhoben.
Die Reaktionszeit einer Person wird in allen drei Settings gemessen. Jede Person durchläuft also alle drei Settings. Entsprechend handelt es sich doch dann um Messwiederholung.
Ist es in diesem Fall richtig, wenn ich meine oben genannten Fragen mittels eines Mixed Models versuche zu beantworten?

So stelle ich mir das mittels R vor:

Code: Alles auswählen

fit <- lmer(zeit ~ setting + merkmal+ setting:merkmal+ (1|teilnehmer), data=data_long, REML=TRUE)

Um R selbst soll es allerdings gar nicht im speziellen gehen, sondern mehr um die Frage, ob ich den Anwendungsfall von Mixed Models richtig verstanden habe.

[dutchie]

Hallo Alf9000

Wird die Reaktionszeit nur einmal gemessen, bzw. in Abhängigkeit vom setting drei mal?
Ich würde denken in jedem setting gibt es mehrfache Reaktionszeitmessungen,
die dann gemittelt werden, insofern geht die Reaktionszeitentwicklung nicht mit ein!

Es gibt ja verschiedenen Gebrauch des Wortes gemischt, die einen mischen
between und within die anderen fixed und random.

Du hast drei Variablen, die pro Person einen RZ. Mittelwert unter drei Settings entsprechen.
Das ist eine UV mit drei stufen within, aber auch random? würde mich eher wundern, kann aber sein.

Wenn du das Merkmal mit RZ korrelierst bringt jede VP drei RZ mit aber nur ein Merkmal.
Das ist auf jeden Fall hierarchisch und die VP sind random, das müsste berücksichtigt werden.
Aber VP und Merkmal ist konfundiert! Weil jede VP nur ein Merkmal hat....
ist Merkmal genauso random wie VP, und Merkmal ist intervall. Das ist eher nicht random, wenn
die Messwertspanne alles abdeckt.

und das Merkmal ist konstant es kann innerhalb einer VP nicht mit RZ korrelieren.
und das hängt wieder mit der Wirkung setting zusammen.
d.h gibt es eine Wirkung des settings wird der Zusammenhang Merkmal RZ kleiner,
wirkt das setting nicht, sind quasi die RZ alle konstant, dann wird die Wahrscheinlichkeit erhöht,
dass die Wirkung von Merkmal und RZ sig wird, weil du jede VP dreimal in die Korrelation tust.
..und inter- und intraindividuelle Variation durcheinander wirfst.
..wenn jede VP eine andere Ausprägung des Merkmals hat, gibt es keinen Interaktion mit setting.

also mir kommt das komisch! Aber viel (und komplizierte) Statistik hilf viel?

Eigentlich hast du einen einfaktorielle ANOVA mit Messwiederholung plus eine
einmalig gemessene Covariate. Du machst die Covariate zur UV durch Dichotomisierung
und machst dann zweifaktorielle ANOVA, damit bekommst du alles was du brauchst, und
bist in der Lage das Ganze zu beherrschen. Vielleicht ist das nicht der neuste Stand.
und du verlierst Teststärke, aber du kannst das brav mit SPSS klicken.

..von R ganz zu schweigen.

gruß
dutchie