Ich habe ein Modell eingebautR mit demlmer()-Funktion von derlme4 Paket. Ich habe die abhängige Variable skaliert:

    mod <- lmer(scale(Y)
                ~ X
                + (X | Z),
                data = df,
                REML = FALSE)

Ich betrachte die Festeffektkoeffizienten mitfixef(mod):

    > fixef(mod)
    (Intercept)      X1          X2         X3           X4 
     0.08577525 -0.16450047 -0.15040043 -0.25380073  0.02350007

Die Mittelwerte lassen sich leicht von Hand aus den Festeffektkoeffizienten berechnen. Ich möchte jedoch, dass sie nicht skaliert werden, und ich bin mir nicht sicher, wie ich das genau machen soll. Mir ist bewusst, dass Skalieren bedeutet, den Mittelwert von jedem abzuziehenY und durch die Standardabweichung teilen. Sowohl der Mittelwert als auch die Standardabweichung wurden aus den ursprünglichen Daten berechnet. Kann ich diesen Vorgang einfach umkehren, nachdem ich einen eingebaut habe?lmer()-Modell unter Verwendung des Mittelwerts und der Standardabweichung der Originaldaten?

Danke für jede Hilfe!

Update: Die Art und Weise, wie ich das obige Modell dargestellt habe, scheint zu implizieren, dass die abhängige Variable skaliert wird, indem der Mittelwert über alle Antworten genommen und durch die Standardabweichung aller Antworten dividiert wird. Normalerweise wird es anders gemacht. Anstatt den Gesamtmittelwert und die Standardabweichung zu verwenden, werden die Antworten pro Proband standardisiert, indem der Mittelwert und die Standardabweichung der Antworten dieses Probanden verwendet werden. (Das ist seltsam in einemlmer() Ich denke, der zufällige Schnitt sollte das erledigen ... Ganz zu schweigen von der Tatsache, dass es sich um Berechnungsmittel auf einer Ordnungsskala handelt ...) Das Problem bleibt jedoch dasselbe: Sobald ich ein solches Modell angepasst habe, ist es da eine saubere Möglichkeit, die Koeffizienten des angepassten Modells neu zu skalieren?