Estoy usando un modelo mixto en R
( lme4
) para analizar algunos datos de medidas repetidas. Tengo una respuesta variable (contenido de fibra de las heces) y 3 efectos fijos (masa corporal, etc.). Mi estudio solo tiene 6 participantes, con 16 medidas repetidas para cada uno (aunque dos solo tienen 12 repeticiones). Los sujetos son lagartos que recibieron diferentes combinaciones de alimentos en diferentes 'tratamientos'.
Mi pregunta es: ¿puedo usar la identificación del sujeto como un efecto aleatorio?
Sé que este es el curso de acción habitual en los modelos longitudinales de efectos mixtos, para tener en cuenta la naturaleza aleatoriamente muestreada de los sujetos y el hecho de que las observaciones dentro de los sujetos estarán más estrechamente correlacionadas que las de los sujetos. Pero, tratar la ID del sujeto como un efecto aleatorio implica estimar una media y una varianza para esta variable.
Dado que solo tengo 6 sujetos (6 niveles de este factor), ¿es esto suficiente para obtener una caracterización precisa de la media y la varianza?
¿El hecho de que tengo bastantes mediciones repetidas para cada sujeto ayuda en este sentido (no veo cómo importa)?
Finalmente, si no puedo usar la identificación del sujeto como un efecto aleatorio, ¿incluirlo como un efecto fijo me permitirá controlar el hecho de que tengo medidas repetidas?
Editar: Me gustaría aclarar que cuando digo "puedo" usar la identificación del sujeto como un efecto aleatorio, quiero decir "es una buena idea". Sé que puedo ajustar el modelo con un factor con solo 2 niveles, pero ¿seguramente esto no sería defendible? Me pregunto en qué punto se vuelve razonable pensar en tratar a los sujetos como efectos aleatorios. Parece que la literatura aconseja que 5-6 niveles es un límite inferior. Me parece que las estimaciones de la media y la varianza del efecto aleatorio no serían muy precisas hasta que hubiera más de 15 niveles de factores.