混合モデルの使用の検証を求める何万行ものデータがあり、各行はオブジェクトで、列は予測子です。 私の興味のあるコラムは、10ポイントスケールでの感覚測定です。 変数のスクリーニングから、予測変数を3つのカテゴリ変数に減らしました。どのレベルが最も影響力があるか（合計33のレベルがあります）、および影響の方向を特定することに興味があります。数値予測のターゲットを作る必要はありません。説明可能な定性的モデルで十分です。
混合モデルが私の目的に役立つと思います。固定効果パラメーターの推定p値により、焦点を当てる特定のレベルを特定できます。質問：それらの固定パラメーター推定値は影響をランク付けする方法であり、推定値の符号は効果の方向を示しますか（つまり、+はレベルを上げると応答が増加し、レベルを下げると応答が減少することを意味します）？
申し訳ありませんが、これまで混合モデルを使用したことはありません:(。フィードバックをお寄せいただきありがとうございます。
分析再：混合モデルの使用の検証を求めるデータテーブルの一番上の行の画像を表示することは可能ですか？ それはあなたが何を扱っているかを想像するのに役立ちます。
なぜ混合効果モデルなのか？ あなたが説明する必要があるランダム効果は何ですか？
はい、パラメータ推定値の解釈は正しいです。 重要な用語ごとに効果の詳細を調べることもできます。 詳細には、各レベルのLS平均が含まれます。 オプションで、LS平均をプロットし、特定のレベル間の差異またはコントラストを使用したレベルの組み合わせをテストできます。
Prediction Profilerは、各カテゴリ要素の各レベルの影響を理解するための優れたツールでもあります。 これはモデルに基づいているため、予測子間に有意な交互作用がある場合、この対話型プロットは、組み合わされた効果を理解するのにさらに価値があります。
再：混合モデルの使用の検証を求めるこんにちはマーク、私はあなたの電子メールボックスにヘッダーを送りました。
