lmer 모델을 올바르게 지정하고 있습니까?

Google 과이 사이트를 and이 뒤져 왔으며 lme4 라이브러리의 lmer 기능에 대해 여전히 혼란 스럽습니다.

다른 정신과 병동에서 수집 한 데이터가 있는데, 이는 여러 수준의 구조를 가지고 있습니다. 단순화하기 위해 실제로 몇 가지 더 있지만 2 수준 2 및 2 수준 1 변수를 선택합니다.

레벨 2 WardSize [이것은 와드에있는 사람들의 수입니다] & WAS [이것은 와드가 얼마나 "좋은"지를 측정 한 것입니다]

R에게 누가 어떤 병동이 "병동"인지를 알려주는 그룹화 변수

1 단계 성별 (성별 임) 및 BSITotal [증상 심각도의 척도]

결과는 자체 거부이며 다시 소리가납니다.

나는이 공식을 가지고있다 :

help = lmer (수식 = 자기 거부 ~ WardSize + WAS + Gender + BSITotal + (1 | Ward))

나는 이것이 "각 개인이 자신의 성별과 증상 심각도와 관련된 점수를 가지며, 또한 와드의 크기와 그것이 얼마나"좋은지 "에 관한 와드 수준의 효과를 갖기를 희망합니다.

이 올바른지? 나를 혼란스럽게하는 것은 R이 마지막에 주어진 와드 레벨 차단을 제외하고는 레벨 1 변수와 레벨 2 변수를 알 수있는 방법을 알 수 없다는 것입니다.

누군가가 그 표기법을 설명 할 수 있다면 나와 같은 바보가 그것을 이해할 수 있습니다.

많은 감사합니다!

모델 사양이 좋습니다.

(1 | Ward)에서와 같이 lmer에 지정된 Ward에 대한 다양한 인터셉트는 WardSize 또는 Gender 이외의 이유로 각 와드 내의 주제가 Selfreject에서 서로 더 유사 할 수 있다고 말합니다. 와드 간 이질성.

인터셉트가 맞는 데이터에서 "1"을 1의 열 (즉, 상수)로 생각할 수 있습니다. 일반적으로 "1"은 예를 들어 lm에서 자동으로 암시됩니다.

lm(Y ~ X1 + X2)

실제로 지정

lm(Y ~ 1 + X1 + X2)

이제 기본 모델을 갖추 었으므로 "BSItotal과 Selfreject의 관계 가 병동 마다 다른가 ?" 와 같은 추가 질문을 시작할 수 있습니다.

lmer(formula=Selfreject ~ WardSize + WAS + Gender + BSITotal + (1 + BSITotal | Ward))

즉, BSITotal의 절편과 기울기는 병실마다 다를 수 있습니다.

아직 선택하지 않은 경우 회귀 및 다중 레벨 모델 / 계층 모델을 사용한 Gelman & Hill의 데이터 분석 은 lmer와 같은 모델을 피팅하는 방법을 설명하는 훌륭한 책입니다.

다음은 고정 효과의 레벨을 지정할 필요가없는 이유에 대한 Douglas Bates (lme4 작성)의 설명 링크 입니다.