如何在glmertree、lmertree等聚类协方差检验中指定复杂随机效应结构？

交叉分类模型参数设置 #

针对你给出的交叉分类随机效应（学生、题目两个交叉分组）场景，cluster参数支持传入多个聚类变量，直接把两个交叉分组的ID都放在c()中传入即可，修改后的代码如下：

tree_1 <-
  glmertree(
    data = sim_dat,
    formula =
      performance ~ 1 + predictors |
      (1 | student_id) + (1 | question_number) |
      partitioning_variables,
    family = 'binomial',
    cluster = c(student_id, question_number)
  )

传入后协方差检验会自动识别交叉分类的组内相关性，不需要额外做变量转换。 #

嵌套设计模型参数设置 #

针对学区/学校的嵌套设计场景，有两种等效的设置方式：

• 仅传入最细粒度的聚类变量：因为学校嵌套在学区下，每个学校的所属学区是唯一的，仅传入school即可匹配完整嵌套结构
• 同时传入所有层级的聚类变量：和交叉分类的写法一致，传入c(district, school)即可
  修改后的代码如下：

tree_2 <-
  lmertree(
    data = sim_dat,
    formula =
      test_score ~ 1 + predictors |
      (1 | district/school) |
      partitioning_variables,
    cluster = school # 也可替换为 cluster = c(district, school)
  )

补充说明：你之前仅选取方差最大层级拟合聚类协方差检验的做法，在单个层级贡献绝大多数组内方差时结果偏差很小，但如果存在多个有显著组内相关性的层级，建议将所有随机效应的分组变量都传入cluster参数，得到的检验结果会更严谨。

内容的提问来源于stack exchange，提问作者Chrr1s