你如何调整线性混合模型的残差？

Question

我在收集将由其他人执行的功率计算所需的数据时遇到问题。我的统计数据和编码能力很少，所以真的需要一些帮助！

实验设置： 来自 2 个不同组的男性和女性受试者(=sex, M/F) （=基因型，WT/KO）。我需要知道我需要分析多少主题和多少样本/主题。我已经为每个条件分析了 2 个主题，每个主题 20 个样本，这提供了我用于功率计算的数据集。

我目前正在使用线性混合模型分析，例如：

logdendritemeandiameter.lm <- lmer(log(Dendrite_Mean_Diameter) ~ 
        sex + genotype + (1|subject), data = dendrite)

问题： 我被要求“保存针对性别调整的残差，将它们标准化，并分别发送 KO 组和 WT 组的均值和 SD。”出于各种原因，这是我能得到的关于我必须做什么的最佳解释。

问题：我已经标准化了我的残差使用：

stres = residuals(logdendritemeandiameter.lm, type = "pearson")

但是，我不明白如何调整性别残差以及如何分别获得每个基因型的均值和 SD。有什么建议吗？

Answer 1

关于这个问题有几处我不明白，但我会尽力提供帮助。

• 从统计的角度来看，非常冒险使用部分数据集来计算您需要采集多少样本的功效。您应该先验根据 (1) 预期 [或最小兴趣] 效果大小进行功效分析； (2) 基于以往实验或误差项（主体间方差、残差方差）大小的常识的想法

• 我不确定“保存针对性别调整的残差，将它们标准化并分别发送 KO 组和 WT 组的均值和 SD”。听起来有人可能（？）希望您拟合仅考虑性别的模型，而不是基因型（具有水平WT（野生型）或KO（敲除）？）：

  newmod <- update(model_with_a_long_name, . ~ . -genotype)
  r <- residuals(newmod)
  aggregate(r, by=dendrite$genotype, "mean")
  aggregate(r, by=dendrite$genotype, "sd")
  

我建议回到那些告诉你“标准化残差”的人那里，并要求他们澄清他们的实际意思......