Modele linéaire mixte avec 3 facteurs (deux répétés et un indépendant)

[Rachid Khelifi]

Bonjour, je sollicite à nouveau de l'aide pour une analyse sous R studio, il s'agit d'une expérience de lecture de phrase où je recueille des temps de fixation sur des mots cibles
J'ai un jeu de données avec 3 facteurs :
2 appariés: fréquence (2 niveaux) et prédictibilité (2 niveaux) de mots cibles
1 indépendant: Groupe (CE21, CM2 et Expert)
2 facteur aléatoire: item (mot) et sujet (participant)
Je voudrais savoir si l'interaction fréquence X prédictibilité X Groupe est significative, afin d’examiner les effets dans chaque groupe.

J’ai tenté l’analyses suivants :

1)
m0<-lmer(FF~(1|Sujet)+(1|Item), data= FreqPredic)

m1<-lmer(FF~frequence+(1|Sujet)+(1|Item), data= FreqPredic)

m2<-lmer(FF ~frequence+Groupe+(1|Sujet)+(1|item), data= FreqPredic)

m3<-lmer(FF ~frequence+Groupe+frequence:Groupe+(1|Sujet)+(1|item), data= FreqPredic)


m4<-lmer(FF~frequence+Predic+(1|Sujet)+(1|item), data= FreqPredic)

m5<-lmer(FF~frequence+Predic+frequence:Predic +(1|Sujet)+(1|item), data= FreqPredic)

m6<-lmer(FF~Groupe+Predic+(1|Sujet)+(1|item), data= FreqPredic)

m7<-lmer(FF~Groupe+Predic+Groupe:Predic +(1|Sujet)+(1|item), data= FreqPredic)

m8<-lmer(FF~frequence+Predic+Groupe+frequence:Predic:Groupe+(1|Sujet)+(1|item), data= FreqPredic)


anova(m0,m1,m2,m3,m4,m5,m6,m7,m8)


Cela me renvoi l’erreur :
« fixed-effect model matrix is rank deficient so dropping 5 columns / coefficients »

2) j’ai tenté

> m0<-lmer(FF~(1|Sujet)+(1|item), data= FreqPredic)
> m8<-lmer(FF~ frequence*Predic*Groupe+(1|Sujet)+(1|item), data= FreqPredi)

cela me donne le résultat
> anova(m0,m8)
refitting model(s) with ML (instead of REML)
Data: FreqPredic
Models:
m0: FF ~ (1 | Sujet) + (1 | item)
m8: FF ~ frequence * Predic * Groupe + (1 | Sujet) + (1 | item)
Df AIC BIC logLik deviance Chisq Chi Df Pr(>Chisq)
m0 4 75170 75197 -37581 75162
m8 15 75076 75177 -37523 75046 116.66 11 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1



Mes question sont les suivantes
- Faut-il écrire l’ensemble des combinaisons des effets comme en 1? Dans ce cas là, quel est le sens de l’erreur?
- Peut-on se limiter à examine uniquement l’interaction des trois facteurs comme en 2? Est-ce que le résultat est valable statistiquement?

Merci d’avance pour votre éventuel éclairage.
Rachid

[Rachid Khelifi]

Après avoir rechercher un peu partout une solution à mon problème, je poste une proposition. Je serai heureux d'avoir un avis éclairé sur cette proposition que voici:

> m0<-lmer(FF~(1|Sujet)+(1|item), data= FreqPredic)
> m1<-lmer(FF~frequence+(1|Sujet)+(1|item), data= FreqPredic)
> m2<-lmer(FF ~frequence+Groupe+(1|Sujet)+(1|item), data= FreqPredic)
> m3<-lmer(FF ~frequence+Groupe+frequence:Groupe+(1|Sujet)+(1|item), data= FreqPredic)
> m4<-lmer(FF~frequence+Predic+(1|Sujet)+(1|item), data= FreqPredic)
> m5<-lmer(FF~frequence+Predic+frequence:Predic +(1|Sujet)+(1|item), data= FreqPredic)
> m6<-lmer(FF~Groupe+Predic+(1|Sujet)+(1|item), data= FreqPredic)
> m7<-lmer(FF~Groupe+Predic+Groupe:Predic +(1|Sujet)+(1|item), data= FreqPredic)
> m8<-lmer(FF~frequence:Predic:Groupe+(1|Sujet)+(1|item), data= FreqPredic)

anova(m0,m1,m2,m3,m4,m5,m6,m7,m8)
Merci d'avance pour tout autre commentaire qui pourrait améliorer la compréhension du problème dans son ensemble.
Rachid