如何在R中的GLM中将变量视为随机因素

Question

我正在使用R中的GLM对数据集进行统计分析。基本上，预测变量为：“探针”（实验中使用的探针类型-具有4个水平的因子），“提取”（实验中使用的提取类型-因子） （具有2个级别），“ Tank”（收集样品的容器编号-从1到9的整数）和“ Dilution”（每个样品的稀释度-数字：3.125、6.25、12.5、25、50、100 ）。响应是从重复实验（“ Rep”）获得的阳性响应（“ Positive”）的数量。我想评估所有预测变量（及其相互作用）对阳性反应次数的影响，因此我尝试拟合这样的GLM模型：

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

但是后来我的主管通知我，“坦克”预测变量不应被视为基于级别的变量。也就是说，它的值是1到9，但这只是坦克标签，因此1与7之间的差值并不重要。将此变量视为因素只会使大型模型产生不良结果。那么，如何将“坦克”变量视为随机因素，并将其包含在GLM中呢？

谢谢

Answer 1

它被称为“混合效应模型”。签出lme4软件包。

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

另外，您可能应该使用+而不是*来添加因子。*包括每个因素的所有相互作用和水平，这将导致巨大的过度拟合模型。除非您有特定的理由相信存在交互，否则在这种情况下，应明确编写该交互的代码。