执行线性混合模型方差分析和功效计算的非参数方法

Question

我有一个小数据，其中有 3 组（A、B、C），每组有 5 名参与者。所有这些参与者在 7 项不同的考试中每项都被测量 6 次，因此每个参与者总共得到 6*7=42 分。建立了一个简单的线性混合模型

mylmm<-lmer(score ~1+group+exam+group*exam+(1|participant), data = mydata)

。我可以使用

anova(mylmm)

和多重比较函数获得分组、考试和交互的方差分析结果和事后成对比较。

但是数据很小（只有5个参与者），

mylmm

的残差不正常，所以动力不足。我知道使用

robustlmm

的稳健混合模型和使用

lmeresampler

的残差引导混合模型。但是，我无法使用这些方法进行方差分析和多重比较。有人可以帮我解决以下问题吗？真的很感激。

1. 是否有方法和可用的 R 包来执行线性混合模型的引导方差分析（和事后比较）？
2. 是否还需要计算 bootstrap 或非参数方差分析的功效？如果可以的话，功率怎么计算？
3. 我能够将

   simr

   与方差分析方法结合使用来计算测试组、考试以及

   lme

   模型对象的交互的功效。另外，

   simr

   也可以用于查找事后成对比较的功效还是应该使用

   emmeans

   ？谢谢

Answer 1

我认为也许一种可能的解决方案是对齐排名转换方差分析？