Dreistufig teilweise verschachteltes Modell

Question

Ich modelliere die Veränderung im Laufe der Zeit in Gruppenpsychotherapie-Patienten mit R und Lme4. Meine Daten haben die folgende Struktur:

• Subjekt (id)
• Zeit (1-10 Code für gleich beabstandete repeated measures)
• Ergebnis (für jeden wiederholten Messungen)
• Behandlung (0/1 für Psychotherapie/Warteliste Kontrolle)

Mein erstes zwei-Ebenen-Modell mit zufälligen Steigungen und Schnitt funktioniert gut und ist einfach:

012.351.

Jetzt fragte ich mich, ob ich ein dreistufiges, teilweise verschachteltes Modell verwenden sollte, weil die GruppenpsychotherapeutInnen innerhalb des Therapeuten verschachtelt waren (dort wo mehrere Therapeuten die Behandlung lieferten), aber die Kontrollen nicht verschachtelt waren. Ich vermute, dass ich zumindest für die Haupteffekte von Therapeuten Rechenschaft ablegen sollte, wie De Jong, Moerbeek & Van der Leeden (2010).

De Jong, K., Moerbeek, M., & Van der Leeden, R. (2010). A-priori-Power-Analyse in longitudinalen dreistufigen Multilevel-Modellen: ein Beispiel mit Therapeut-Effekten. Psychotherapieforschung, 20 (3), 273-284.

ich eine sehr nützliche Ressource in den folgenden Link unter „teilweise verschachtelten Modelle“ gefunden haben: http://rpsychologist.com/r-guide-longitudinal-lme-lmer

Der Autor gibt den folgenden Code für ein Modell nahezu identisch mit dem möchte ich testen möchte:

lmer(outcome ~ time * treatment + (1 | group:subject) + (0 + time | therapist:subject) + (0 + time:treatment | group) + (0 + treatment | group), data=data) 

Die Daten, die er präsentiert, sind praktisch identisch, aber er fügt im Modell die Variable "group" hinzu. Ich verstehe nicht, warum dies so ist, weil die Gruppierung von Behandlung/Kontrolle dieselbe ist wie die Kombination von Behandlung/Nichtbehandlung. Wenn ein Patient eine Behandlung erhielt, ist er in der experimentellen Gruppe, wenn nicht in der Kontrollgruppe. Wie würden Sie dieses dreistufige, teilweise verschachtelte Modell schreiben? Ich weiß, das ist mehr eine Frage für Crossvalidated Forum, ich habe es dort ohne Antwort und ich bin wirklich verwirrt. Vielen Dank.

Answer 1

Halten Sie es einfach. Fügen Sie einfach einen Dummy-Therapeuten none zu den Themen ohne Therapeuten hinzu. Passen Sie dann das Modell an.

lmer(outcome ~ time * treatment + (time | therapist/subject), data=data) 

Therapeut none ist waiting list mit der Behandlung verwechselt. Therapeut ist ein zufälliger Effekt und somit bestraft. Die Behandlung ist eine feste Wirkung und nicht bestraft. Daher gehen alle Informationen zum Behandlungseffekt für waiting list und der Therapeuteneffekt für none wird Null sein.