什么数据适合因子分析 验证性因子分析

验证性因子分析(什么数据适合做因子分析)创建于2021-06-09 11: 07 Codewar 。
快一个月没更新文章了 。今天,我收到了几封粉丝的亲笔信,催促我更新文章 。嗯,真的对不起大家的期待 。看来我不能再拖延了 。想想写什么 。你问的问题多了,混动车型算一个 。今天我们继续为你写如何做混动车型 。
一般混合模型可以用lme4软件包求解 。lme4可以是线性混合模型、广义线性混合模型或非线性混合模型 。需要的话才可以研究这个包 。
所谓混合模型,就是既有固定效应又有随机效应的模型:
“混合效应”表示一个模型,该模型将固定效应和随机效应合并到一个线性预测表达式中,根据该表达式可以评估反应的条件均值
之一部分是线性混合模型 。在前面的例子中,数据来自一篇关于睡眠剥夺的文献,整个数据大约有下图那么长 。其中,我们的受试者可以在第0天自然入睡和醒来,所有受试者在随后的几天里只能睡3个小时 。我们的反应变量是反应,即被试对测试的反应时间 。现在我关心的是睡眠剥夺后反应时间的变化:
对于这样的纵向数据,
来捋一下:我们只有18个受试者,每个受试者随访10次 。我们需要明白的是,此时,我们的每一个度量都嵌套在人类的层面上 。我们可以认为,不同人本身的10个测量值是强相关的,不同人之间的这种关系不一定相同 。
直观的可以画出每个人每天反应时间和睡眠剥夺的变化 。图纸如下:
如你所见,我们上面的大图是由许多小图组成的 。在每个小图中,横轴是睡眠剥夺的时间,纵轴是反应时间 。每个小图代表了我们要研究的睡眠剥夺与反应时(具体到人)的关系,但也要注意,这种关系在不同的人身上是不一样的,体现在:关系的斜率和截距是不一样的 。(图中可以清楚地看出这种关系的区别)
【什么数据适合因子分析 验证性因子分析】所以我们可以用随机效应来拟合一个混合模型:
fm1


    推荐阅读