0
내 데이터는 많은 장치로 구성되어 있으며 각각은 여러 개의 측정 데이터 포인트 (전압 대비 증폭)를 포함하므로 데이터는 Serial_number로 그룹화됩니다.고정 된 효과와 무작위 효과에 대한 다항식의 차수를 비교하십시오.
fit<- lmer(log(log(Amplification)) ~ poly(Voltage, **degree**) + (poly(Voltage, **degree**) | Serial_number), data = APD)
가 지금은 고정 및 임의 효과를위한 3 정도까지 다른 polyonimals 각을 비교하고 싶습니다 : 는 그럼으로 일반적으로 설명되어 lmer 모델이있다.
예컨대 : 그래서
fit01<- lmer(log(log(Amplification)) ~ poly(Voltage, **0**) + (poly(Voltage, **1**) | Serial_number), data = APD)
fit11<- lmer(log(log(Amplification)) ~ poly(Voltage, **1**) + (poly(Voltage, **1**) | Serial_number), data = APD)
합니다. 모든 가능성 (16 점)을 확인해야합니까? 아니면 똑똑한 가정 때문에 축소 할 수 있습니까? 마지막으로 나는 anova(fit11,fit01)
등등을 가지고있을 것입니다. 문제는 다음과 같습니다. 지금 비교할 때마다 실제로 두 가지 모델을 비교할 때 많이 비교해야합니다.
가 좋은 코드 라인에 대한 감사합니다! – Ben