52、混合设计分析：多层次模型的应用与解读

混合设计分析：多层次模型的应用与解读

1. 多层次模型扩展重复测量设计

在分析重复测量数据时，多层次模型具有诸多优势。我们可以通过添加组间变量（以及任何交互项）作为额外的预测变量，来扩展重复测量设计。在多层次模型中，重复测量在模型的随机部分进行指定，因此添加组间预测变量不会影响模型的这一部分，因为它不是重复测量。我们可以像设置重复测量设计的模型一样设置模型，然后添加组间预测变量。

2. 设置对比

在构建模型之前，需要设置对比。与之前使用 ezANOVA 时设置的对比不同，使用多层次模型时，我们不必担心正交对比，因为我们不需要像进行方差分析那样关注平方和的类型。多层次模型为数据分析提供了更灵活的框架。
- “外貌”变量的对比设置 ：“外貌”变量有三个条件：有吸引力、普通和丑陋。将有吸引力和丑陋的条件与普通条件进行比较是合理的，因为普通人代表了常态。可以将这种对比设置为非正交对比。具体设置如下：

AttractivevsAv<-c(1, 0, 0)
UglyvsAv<-c(0, 0, 1)
contrasts(speedData$looks)<-cbind(AttractivevsAv, UglyvsAv)

• “个性”变量的对比设置 ：“个性”变量也有一个代表常态的类别，即具有平均魅力的约会对象。同样可以将有魅力和无趣的条件与平均魅力条件进行比较。设置如下：

HighvsA