如何在R中运行以被试和词汇为随机变量的混合效应多项逻辑回归？

数据预处理 #

首先需要将示例数据中的分类变量转换为因子类型，避免模型将其误判为连续变量：

# 转换变量类型
d$ppt <- as.factor(d$ppt)
d$word <- as.factor(d$word)
d$IV <- as.factor(d$IV)
d$DV <- as.factor(d$DV)

# 可选：指定因变量参考水平（默认取因子第一个水平，这里设为1）
d$DV <- relevel(d$DV, ref = "1")

使用glmmTMB拟合模型 #

glmmTMB包支持拟合含混合效应的多项逻辑回归，步骤如下：

1. 安装并加载包（首次运行需执行安装命令）：

# install.packages("glmmTMB")
library(glmmTMB)

2. 构建模型：
   指定IV为固定效应，ppt（被试）和word（词汇）为随机截距项，模型族选择多项逻辑回归：

# 拟合混合效应多项逻辑回归模型
model <- glmmTMB(
  formula = DV ~ IV + (1|ppt) + (1|word),
  data = d,
  family = multinomial(link = "logit")
)

3. 查看模型结果：

summary(model)

补充说明 #

• 如果需要加入随机斜率（即IV的效应在不同被试/词汇间存在差异），可将随机效应项改为(IV|ppt)或(IV|word)，但你的样本量（10名被试、10个词汇）较小，随机斜率模型可能出现收敛问题，建议优先从随机截距模型开始。
• 若偏好贝叶斯框架，可使用brms包拟合模型，更适合小样本场景：

# install.packages("brms")
library(brms)

brm_model <- brm(
  formula = DV ~ IV + (1|ppt) + (1|word),
  data = d,
  family = categorical(),
  chains = 4,
  iter = 2000
)

summary(brm_model)

内容的提问来源于stack exchange，提问作者Dave