我有来自参与者的受试者内部生理数据(part),他们都在三轮(round)中查看了刺激(阅读报纸),每轮都有五篇论文(paper),并且在报纸中每个都有不同的访问次数(visit) .我有两个固定的因素(CONDhier和CONDabund)加上相互作用来预测生理状态(例如EDA),这通常是自回归的.我试着考虑生理学中随机效应的个体差异(让我们暂时解决拦截问题),并且可能会因为其他随机效应而导致疲劳.
因此,我希望在R中运行的模型在SPSS中是:
MIXED EDA BY CONDhier CONDabund
/FIXED=CONDhier CONDabund CONDhier*CONDabund | SSTYPE(3)
/RANDOM=INTERCEPT | SUBJECT(part) COVTYPE(VC)
/RANDOM=INTERCEPT | SUBJECT(part*round) COVTYPE(VC)
/PRINT=SOLUTION
/METHOD=REML
/REPEATED=visit | SUBJECT(part*round*paper) COVTYPE(AR1).
现在,我已经明白,虽然lme没有做好交叉术语,lmer(处理交叉术语没有问题)不能使用不同的协方差结构.我可以运行简单的lme模型,如
lme(EDA ~ factor(CONDhier) * factor(CONDabund), random= ~1
|part, na.action=na.exclude, data=phys2)
但是更复杂的模型超出了我的范围.我已经读过lme中的交叉术语可以用随机定义来完成
random=pdBlocked(list(pdCompSymm(~part), pdCompSymm(~round-1), pdCompSymm(~paper-1),
pdCompSymm(~visit-1)))
但这似乎阻止了AR1结构,并且第二次随机拦截了部分*round,来自我.而且我不太确定它和我的SPSS语法一样.
那么,有什么建议吗？虽然在lme和lmer上有很多不同的着作,但我找不到一个既有交叉术语又有AR1的作品.
(另外,关于lme的语法看起来很模糊:从几个不同的来源我已经理解了|在左边的东西下面是什么,组成嵌套术语,~1是随机截距,~x是随机斜率,和~1 + x都是,但似乎至少有:和-1定义,我在任何地方都找不到.是否有一个教程可以解释所有不同的定义？)
是否有一种简单的方法可以自动将R数据帧转换为APA格式的漂亮Word表以便发布稿件？我目前正在通过将表保存在csv中,在excel中打开它,将excel表复制到Word,并在那里格式化它,但我希望有一种方法可以自动化R中的格式,这样做当我将它转换为Word时,它已经是APA格式,因为Word在自动化方面很糟糕.
基本上,我想继续在Word中编写手稿本身,同时在R中进行我的分析.然后通过脚本将R中的所有结果收集到一个表(具有可手动修改的格式)并将其转换为我可以简单地复制的任何格式-paste to Word(以便格式化实际成立).当我需要修改表时,我会在R中进行更改,然后再次运行脚本而无需在Word中进行任何更改.
我不想学习LaTeX,因为我所在领域的每个人都使用带有轨道变化等功能的Word,并且我使用Zotero插件进行引用,因此将编写与分析分开是更简单的.另外,我是一名心理学家,而不是编码员,所以为此学习很多新技术对我来说可能不值得.通常情况下,新技术会带来新的技术问题,我的目标是让我的工作流程更快,但不会以不可预测性为代价(这可能会使我在无法负担的时刻正好放慢速度).
我找到了一个R + knitr + rmarkdown + pander + pandoc解决方案 "尽可能少的开销",但它似乎仍然相当沉重,因为除了R我不知道任何这些技术.我不急开始学习所有这些,因为它似乎是为了完成写作而在R中最终完成,而我想将我的写作和代码分开 - 我在写作中从不需要代码,只需要结果表.另外,基于这些示例,它似乎直接从R代码中获取值(例如,从summary()创建描述性表),而我需要能够在转换之前手动修改我的表,例如,编写标题和注释(如对一个单元格的特定注释并在底部解释).我也找到了R2wd,但它似乎是与上述解决方案相同的"R中的整个工作流程"问题的较旧尝试.SWord似乎不再起作用了.
有什么建议？
我有一个glmer()带有十二个级别的分类预测器的模型。当我打印 时summary()，它包含所有十二个级别。
> model.contcons <- data %>%
glmer(bin_choice ~ Wshort + (1|id), data = ., family = binomial, control = glmerControl(optimizer="bobyqa",optCtrl=list(maxfun=2e5)))
> coef(summary(model.contcons))
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.844979105 0.08002527 -23.0549555 1.311832e-117
Wshortcutwelfare 0.028561627 0.10428477 0.2738811 7.841760e-01
Wshortdiscipline -0.349133890 0.11034237 -3.1640963 1.555653e-03
Wshortfreedom -0.003641179 0.10245239 -0.0355402 9.716490e-01
WshortineqincOK 0.107650142 0.10173642 1.0581278 2.899972e-01
Wshortleader 0.125679107 0.10041647 1.2515786 2.107235e-01
Wshortpolice 0.217560461 0.10133894 2.1468595 3.180447e-02
Wshortpolitduty 0.177802391 0.09991568 1.7795244 7.515383e-02
Wshortrefugees 0.109247617 0.10508525 1.0396094 2.985214e-01
WshortRussia 0.115529761 …