R中的项目级回归系数？

Question

背景：

1000参与者额定自己满意200点的对象（S），以及关于所述参与者本身提供4名不同的心理测量的变量（A，B，C，d）。有5000个独特的对象进行评级，因此由于资源限制，并非每个参与者都评估每个对象。这导致了一个稀疏的数据集，其中每个对象被大约30个参与者评分。

从这个设计中，检索基本的描述统计量（例如，每个对象的平均满意度）是微不足道的。我现在的任务是建立心理测量变量（A，B，C，D）与对象之间的关系 - 即“如果你在A，B，C，D上以某种方式得分，你可能会发现满意的对象？

这个想法是运行一个回归，随后提取中介系数。式（以及可能的设计）是相当复杂的，我不知道如何即使在R.尝试此

数据集：

的数据集如下 -

[参与者ID] ，[对象ID]，[S评级]，[A]，[B]，[C]，[D]

A，B，C，D值对于一个参与者总是相同的，不要依赖于对象。对象ID取值范围为1〜5000，与一个参加者ID被与来自5000

实施例的池200级的对象的随机选择配对：

+----------------+-----------+----------+-----+------+------+------+ 
| Participant ID | Object ID | S Rating | A | B | C | D | 
+----------------+-----------+----------+-----+------+------+------+ 
| 1    | 23  | 2  | 0.2 | 0.7 | 0.42 | 0.9 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 1    | 69  | 1  | 0.2 | 0.7 | 0.42 | 0.9 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 1    | 769  | 1  | 0.2 | 0.7 | 0.42 | 0.9 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 1    | 1357  | 5  | 0.2 | 0.7 | 0.42 | 0.9 | 
+----------------+-----------+----------+-----+------+------+------+ 
| ... 196 more |   |   |  |  |  |  | 
+----------------+-----------+----------+-----+------+------+------+ 
| 2    | 84  | 1  | 0.3 | 0.12 | 0.6 | 0.86 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 2    | 345  | 5  | 0.3 | 0.12 | 0.6 | 0.86 | 
+----------------+-----------+----------+-----+------+------+------+ 
| 2    | 1357  | 4  | 0.3 | 0.12 | 0.6 | 0.86 | 
+----------------+-----------+----------+-----+------+------+------+ 

公式：

为了建立项目级别对象评分和参与者级别心理测量变量之间的关系，我希望用下列公式进行回归：

SR （A + B + C + D）* I +（1/P）

其中S评级是数据集中的S评级，ABCD是来自数据集的心理测量变量，I是项目级别系数I想要提取，而P是参与者等级系数。

该公式将为数据集中的每个项目（对象）提供项目级系数-IA，IB，IC，ID。然后，这会回答诸如“对于对象931而言，对A的高评分在预测满意度方面尤为重要”。

问题：

是否有可能在R键实现这一目标？

我是否正确地认为上述公式可以让我获得项目级别的系数，从而让我看到心理测量变量A，B，C，D如何有助于预测S，独立于每个项目I？

是否有可能从R回归中检索这些系数？我希望最终得到一个表格，例如：[对象ID]，[A的贡献]，[B的贡献]，[C的贡献]，[D的贡献]。这将告诉每个心理测量变量对每个对象单独预测S的贡献。

在R中如何去做这件事？

Answer 1

当然，你应该可以在R中做到这一点。关键是要正确定义你的变量类。我认为我和P应该是因素。

，然后只需用LM（）函数：

OBJ = LM（评级〜（A + B + C + d）：I + P）