Eu já me deparei com esse problema algumas vezes agora, com revisores solicitando mais justificativas para o uso de LMMs, testes tradicionais em vez de ou para além de LMMs, e tabelas completas de estimativas de parâmetros semelhantes ao que você reportaria com um modelo linear regular .
No momento, meu problema específico é um revisor que solicita "Uma tabela contendo as principais estimativas de parâmetros dos vários modelos". Eu estou pensando que eles querem algo como uma tabela tradicional que seria reportada para um modelo linear (com testes t e valores de p), mas nesse caso as análises envolvem comparações de modelos aninhados e não há testes t para cada um dos parâmetros incluídos em cada modelo, mas sim um único teste para a comparação de modelos, que eu relato no artigo. Portanto, não tenho certeza do que fazer - quero satisfazer o revisor, mas não quero necessariamente incluir grandes tabelas de informações que são de pouca utilidade para avaliar os resultados. No momento, eu simplesmente relato o valor beta, SE, qui-quadrado ep. Também deixo claro quais variáveis foram incluídas em cada modelo. Alguma sugestão de como proceder?
Aqui está o que estou propondo a responder:
Acreditamos que o revisor esteja solicitando algo semelhante ao que seria relatado em uma análise de regressão múltipla tradicional, com estimativas de parâmetros e suas estatísticas e valores de p para cada variável incluída em um determinado modelo. No entanto, como as análises de modelo misto linear usam modelos aninhados comparando modelos reduzidos a modelos completos com um parâmetro adicional, o único parâmetro testado é o que é adicionado no modelo completo (CITATION). Dessa forma, incluir uma tabela não suporta interpretação dos resultados da maneira que seria em uma análise mais tradicional. Assim, para cada análise, relatamos os betas para o parâmetro testado em cada comparação de modelo, juntamente com as principais estatísticas, no corpo da seção de resultados, conforme recomendado (CITATIONS).
Além disso, quando solicitado uma justificativa para o uso de LMMs no meu caso específico, é isso que estou propondo a responder:
Usamos modelos mistos lineares porque essa análise nos permitiu levar em conta a variabilidade devido ao tipo de tentativa em nossos modelos (tentativas de troca versus não troca), ao mesmo tempo em que explicava o fato de que as tentativas estavam aninhadas nos sujeitos e várias respostas da mesma pessoa são mais semelhantes do que as respostas de outras pessoas. Esperava-se que a contabilização do tipo de teste e da variação no nível do sujeito nos tempos de reação reduzisse o erro em nossos modelos e aumentasse nossa capacidade de detectar qualquer efeito no desempenho da tarefa.
Se você tiver alguma sugestão de como isso poderia ser melhorado, eu agradeceria. Novamente, esse público não é estatisticamente sofisticado, portanto, a adição de tabelas e dados suplementares provavelmente aumentará sua confusão / ceticismo.
Além disso, observe que minha motivação para usar LMMs é diferente do que eu vi nos artigos (por exemplo, modelar vários efeitos aleatórios simultaneamente - no meu caso, há apenas um efeito aleatório - participantes e o tipo de teste é um efeito fixo), então Não tenho certeza de que citar alguns documentos comuns seja útil. É possível que eu tenha esquecido outras maneiras de analisar esses dados, para que minha justificativa para o uso de LMMs não seja adequada.
fonte
drop1(merMod, type="chisq")
Respostas:
Em parte, sou do lado do revisor. Você está interessado no efeito do seu parâmetro de interesse - considerando o restante do modelo . É difícil interpretar os resultados e verificar a validade do modelo se você reportar apenas um único parâmetro de interesse. Eu forneceria:
As restrições de espaço na maioria dos periódicos clássicos tornarão necessário colocar essas informações em um suplemento online.
Exemplos para relatar modelos mistos podem ser encontrados aqui .
fonte