Family: gamma Links: mu = log; shape = identity Formula: y ~ g_size * g_noise * g_shape * g_interps + (1 | g_rep) + (1 | g_subj) Data: t_long_CNSubset20red1_sub3_unord (Number of observations: 3240) Samples: 4 chains, each with iter = 2000; warmup = 1000; thin = 1; total post-warmup samples = 4000 Group-Level Effects: ~g_rep (Number of levels: 20) Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS sd(Intercept) 0.13 0.03 0.09 0.19 1.00 786 1104 ~g_subj (Number of levels: 360) Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS sd(Intercept) 0.18 0.01 0.17 0.20 1.01 524 896 Population-Level Effects: Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS Intercept 5.29 0.06 5.18 5.40 1.02 249 588 g_size4 2.64 0.07 2.49 2.79 1.01 221 564 g_size8 3.49 0.07 3.36 3.63 1.01 262 739 g_noise19 -0.02 0.07 -0.16 0.12 1.02 296 764 g_noise38 0.63 0.07 0.50 0.77 1.02 262 479 g_shape1 -0.00 0.07 -0.14 0.13 1.01 263 668 g_interpsEM001 -0.34 0.04 -0.42 -0.26 1.02 224 549 g_interpsEM003 -0.70 0.04 -0.78 -0.62 1.01 278 710 g_interpsEM006 -0.27 0.04 -0.35 -0.19 1.02 272 654 g_interpsEM008 -0.35 0.04 -0.43 -0.27 1.01 283 726 g_interpsEM016 -0.27 0.04 -0.35 -0.18 1.02 265 640 g_interpsEM018 -0.35 0.04 -0.43 -0.27 1.01 273 769 g_interpsEM026 -0.35 0.04 -0.43 -0.27 1.01 259 744 g_interpsEM028 -0.72 0.04 -0.80 -0.64 1.02 264 809 g_size4:g_noise19 -0.12 0.10 -0.31 0.08 1.01 333 921 g_size8:g_noise19 -0.13 0.10 -0.33 0.06 1.02 300 868 g_size4:g_noise38 -0.63 0.10 -0.84 -0.43 1.01 259 493 g_size8:g_noise38 -0.66 0.10 -0.85 -0.46 1.01 269 662 g_size4:g_shape1 -0.00 0.10 -0.20 0.21 1.00 256 647 g_size8:g_shape1 0.00 0.10 -0.19 0.20 1.02 267 471 g_noise19:g_shape1 -0.08 0.10 -0.28 0.11 1.02 278 731 g_noise38:g_shape1 -0.31 0.10 -0.51 -0.12 1.02 294 657 g_size4:g_interpsEM001 -0.00 0.06 -0.12 0.11 1.01 271 794 g_size8:g_interpsEM001 -0.00 0.06 -0.12 0.11 1.02 248 768 g_size4:g_interpsEM003 -0.04 0.06 -0.15 0.08 1.01 322 1010 g_size8:g_interpsEM003 -0.03 0.06 -0.15 0.08 1.01 307 769 g_size4:g_interpsEM006 -0.01 0.06 -0.12 0.11 1.01 301 596 g_size8:g_interpsEM006 -0.01 0.06 -0.12 0.11 1.01 310 730 g_size4:g_interpsEM008 -0.01 0.06 -0.13 0.10 1.01 328 1009 g_size8:g_interpsEM008 -0.01 0.06 -0.13 0.11 1.01 298 618 g_size4:g_interpsEM016 -0.00 0.06 -0.12 0.11 1.01 294 751 g_size8:g_interpsEM016 -0.00 0.06 -0.12 0.11 1.01 283 793 g_size4:g_interpsEM018 -0.01 0.06 -0.13 0.10 1.01 325 1136 g_size8:g_interpsEM018 -0.01 0.06 -0.12 0.10 1.01 295 891 g_size4:g_interpsEM026 -0.00 0.06 -0.12 0.11 1.01 287 860 g_size8:g_interpsEM026 -0.00 0.06 -0.12 0.12 1.01 273 527 g_size4:g_interpsEM028 -0.04 0.06 -0.16 0.08 1.01 302 718 g_size8:g_interpsEM028 -0.03 0.06 -0.15 0.08 1.02 290 866 g_noise19:g_interpsEM001 0.28 0.06 0.17 0.40 1.02 286 856 g_noise38:g_interpsEM001 0.68 0.06 0.56 0.79 1.02 235 596 g_noise19:g_interpsEM003 0.76 0.06 0.64 0.87 1.01 354 943 g_noise38:g_interpsEM003 1.07 0.06 0.95 1.18 1.01 274 585 g_noise19:g_interpsEM006 0.27 0.06 0.15 0.38 1.02 334 773 g_noise38:g_interpsEM006 0.27 0.06 0.15 0.39 1.02 288 720 g_noise19:g_interpsEM008 0.34 0.06 0.23 0.46 1.01 364 956 g_noise38:g_interpsEM008 0.35 0.06 0.23 0.47 1.01 303 663 g_noise19:g_interpsEM016 0.27 0.06 0.15 0.39 1.02 337 887 g_noise38:g_interpsEM016 0.27 0.06 0.15 0.39 1.02 248 707 g_noise19:g_interpsEM018 0.34 0.06 0.23 0.46 1.02 354 973 g_noise38:g_interpsEM018 0.35 0.06 0.23 0.47 1.01 271 647 g_noise19:g_interpsEM026 0.23 0.06 0.12 0.35 1.02 301 822 g_noise38:g_interpsEM026 0.69 0.06 0.57 0.81 1.01 268 773 g_noise19:g_interpsEM028 0.72 0.06 0.61 0.84 1.02 316 1093 g_noise38:g_interpsEM028 1.09 0.06 0.97 1.20 1.02 269 617 g_shape1:g_interpsEM001 -0.00 0.06 -0.12 0.12 1.02 228 561 g_shape1:g_interpsEM003 -0.03 0.06 -0.14 0.09 1.01 273 653 g_shape1:g_interpsEM006 -0.01 0.06 -0.12 0.12 1.02 267 755 g_shape1:g_interpsEM008 -0.01 0.06 -0.12 0.11 1.02 262 800 g_shape1:g_interpsEM016 -0.01 0.06 -0.12 0.11 1.02 239 733 g_shape1:g_interpsEM018 -0.01 0.06 -0.13 0.11 1.02 284 950 g_shape1:g_interpsEM026 -0.00 0.06 -0.11 0.12 1.02 245 653 g_shape1:g_interpsEM028 -0.03 0.06 -0.15 0.09 1.02 255 719 g_size4:g_noise19:g_shape1 0.05 0.14 -0.23 0.34 1.01 304 842 g_size8:g_noise19:g_shape1 0.08 0.14 -0.20 0.37 1.02 296 790 g_size4:g_noise38:g_shape1 0.20 0.14 -0.07 0.49 1.01 310 728 g_size8:g_noise38:g_shape1 0.25 0.14 -0.03 0.54 1.02 309 583 g_size4:g_noise19:g_interpsEM001 -0.14 0.08 -0.31 0.02 1.01 350 738 g_size8:g_noise19:g_interpsEM001 -0.12 0.08 -0.29 0.05 1.02 302 1089 g_size4:g_noise38:g_interpsEM001 -0.62 0.08 -0.79 -0.46 1.01 292 892 g_size8:g_noise38:g_interpsEM001 -0.63 0.08 -0.79 -0.46 1.01 270 768 g_size4:g_noise19:g_interpsEM003 -0.27 0.08 -0.43 -0.11 1.01 397 1166 g_size8:g_noise19:g_interpsEM003 -0.26 0.09 -0.42 -0.09 1.01 346 965 g_size4:g_noise38:g_interpsEM003 -0.63 0.08 -0.79 -0.46 1.01 342 919 g_size8:g_noise38:g_interpsEM003 -0.64 0.08 -0.81 -0.48 1.01 325 834 g_size4:g_noise19:g_interpsEM006 0.01 0.08 -0.15 0.16 1.01 388 707 g_size8:g_noise19:g_interpsEM006 0.01 0.08 -0.16 0.17 1.02 352 722 g_size4:g_noise38:g_interpsEM006 0.00 0.08 -0.17 0.16 1.01 377 802 g_size8:g_noise38:g_interpsEM006 0.01 0.08 -0.16 0.16 1.02 309 869 g_size4:g_noise19:g_interpsEM008 0.01 0.08 -0.15 0.17 1.01 392 1080 g_size8:g_noise19:g_interpsEM008 0.01 0.08 -0.16 0.17 1.01 362 983 g_size4:g_noise38:g_interpsEM008 0.01 0.09 -0.16 0.18 1.01 354 930 g_size8:g_noise38:g_interpsEM008 0.01 0.08 -0.15 0.18 1.01 324 661 g_size4:g_noise19:g_interpsEM016 0.01 0.08 -0.16 0.17 1.01 387 937 g_size8:g_noise19:g_interpsEM016 0.01 0.09 -0.16 0.18 1.02 341 974 g_size4:g_noise38:g_interpsEM016 0.00 0.08 -0.16 0.17 1.02 300 829 g_size8:g_noise38:g_interpsEM016 0.00 0.09 -0.16 0.17 1.02 280 833 g_size4:g_noise19:g_interpsEM018 0.01 0.08 -0.16 0.17 1.01 416 1326 g_size8:g_noise19:g_interpsEM018 0.01 0.08 -0.16 0.17 1.01 368 1034 g_size4:g_noise38:g_interpsEM018 0.01 0.08 -0.15 0.17 1.01 345 753 g_size8:g_noise38:g_interpsEM018 0.01 0.08 -0.15 0.18 1.01 324 1082 g_size4:g_noise19:g_interpsEM026 -0.27 0.08 -0.43 -0.11 1.01 344 1142 g_size8:g_noise19:g_interpsEM026 -0.26 0.08 -0.42 -0.10 1.02 328 1061 g_size4:g_noise38:g_interpsEM026 -0.62 0.08 -0.79 -0.46 1.01 301 711 g_size8:g_noise38:g_interpsEM026 -0.63 0.08 -0.79 -0.47 1.01 284 763 g_size4:g_noise19:g_interpsEM028 -0.53 0.08 -0.69 -0.36 1.01 372 1104 g_size8:g_noise19:g_interpsEM028 -0.52 0.09 -0.70 -0.36 1.02 355 1005 g_size4:g_noise38:g_interpsEM028 -0.63 0.08 -0.79 -0.46 1.01 318 918 g_size8:g_noise38:g_interpsEM028 -0.64 0.08 -0.81 -0.48 1.02 320 1066 g_size4:g_shape1:g_interpsEM001 0.00 0.08 -0.16 0.17 1.01 270 694 g_size8:g_shape1:g_interpsEM001 0.00 0.09 -0.16 0.17 1.02 208 605 g_size4:g_shape1:g_interpsEM003 0.03 0.08 -0.13 0.19 1.01 324 1070 g_size8:g_shape1:g_interpsEM003 0.03 0.08 -0.14 0.19 1.02 293 650 g_size4:g_shape1:g_interpsEM006 0.01 0.08 -0.16 0.16 1.01 296 735 g_size8:g_shape1:g_interpsEM006 0.01 0.08 -0.16 0.17 1.02 289 707 g_size4:g_shape1:g_interpsEM008 0.01 0.08 -0.15 0.17 1.01 309 934 g_size8:g_shape1:g_interpsEM008 0.01 0.09 -0.16 0.17 1.02 272 635 g_size4:g_shape1:g_interpsEM016 0.01 0.08 -0.16 0.17 1.01 269 725 g_size8:g_shape1:g_interpsEM016 0.01 0.08 -0.16 0.17 1.02 255 469 g_size4:g_shape1:g_interpsEM018 0.01 0.08 -0.16 0.17 1.01 316 1046 g_size8:g_shape1:g_interpsEM018 0.01 0.08 -0.16 0.18 1.02 282 974 g_size4:g_shape1:g_interpsEM026 0.00 0.08 -0.16 0.16 1.01 287 753 g_size8:g_shape1:g_interpsEM026 0.00 0.08 -0.16 0.17 1.02 256 466 g_size4:g_shape1:g_interpsEM028 0.03 0.08 -0.13 0.19 1.01 303 670 g_size8:g_shape1:g_interpsEM028 0.03 0.09 -0.14 0.20 1.03 279 597 g_noise19:g_shape1:g_interpsEM001 -0.18 0.08 -0.35 -0.02 1.02 272 862 g_noise38:g_shape1:g_interpsEM001 -0.02 0.09 -0.18 0.15 1.02 223 821 g_noise19:g_shape1:g_interpsEM003 -0.07 0.08 -0.24 0.09 1.01 350 762 g_noise38:g_shape1:g_interpsEM003 0.01 0.08 -0.16 0.17 1.02 256 637 g_noise19:g_shape1:g_interpsEM006 0.01 0.08 -0.15 0.17 1.02 317 781 g_noise38:g_shape1:g_interpsEM006 0.00 0.09 -0.17 0.17 1.02 267 845 g_noise19:g_shape1:g_interpsEM008 0.01 0.08 -0.16 0.17 1.02 326 1018 g_noise38:g_shape1:g_interpsEM008 0.01 0.09 -0.16 0.17 1.02 257 871 g_noise19:g_shape1:g_interpsEM016 0.01 0.08 -0.16 0.17 1.02 309 945 g_noise38:g_shape1:g_interpsEM016 0.00 0.09 -0.16 0.18 1.03 195 780 g_noise19:g_shape1:g_interpsEM018 0.00 0.08 -0.16 0.17 1.02 363 1113 g_noise38:g_shape1:g_interpsEM018 0.01 0.09 -0.16 0.17 1.02 246 844 g_noise19:g_shape1:g_interpsEM026 -0.23 0.08 -0.39 -0.07 1.02 302 869 g_noise38:g_shape1:g_interpsEM026 -0.02 0.09 -0.18 0.14 1.02 241 812 g_noise19:g_shape1:g_interpsEM028 -0.26 0.08 -0.42 -0.10 1.02 331 1107 g_noise38:g_shape1:g_interpsEM028 0.01 0.09 -0.15 0.18 1.03 236 749 g_size4:g_noise19:g_shape1:g_interpsEM001 0.22 0.12 -0.01 0.46 1.01 346 927 g_size8:g_noise19:g_shape1:g_interpsEM001 0.18 0.12 -0.05 0.41 1.02 296 889 g_size4:g_noise38:g_shape1:g_interpsEM001 0.10 0.12 -0.13 0.34 1.02 285 837 g_size8:g_noise38:g_shape1:g_interpsEM001 0.08 0.12 -0.17 0.31 1.02 212 779 g_size4:g_noise19:g_shape1:g_interpsEM003 0.12 0.11 -0.11 0.34 1.01 373 1230 g_size8:g_noise19:g_shape1:g_interpsEM003 0.07 0.12 -0.16 0.31 1.02 339 861 g_size4:g_noise38:g_shape1:g_interpsEM003 0.07 0.12 -0.16 0.29 1.01 339 938 g_size8:g_noise38:g_shape1:g_interpsEM003 0.05 0.12 -0.18 0.28 1.02 290 639 g_size4:g_noise19:g_shape1:g_interpsEM006 -0.01 0.12 -0.23 0.23 1.01 373 664 g_size8:g_noise19:g_shape1:g_interpsEM006 -0.01 0.12 -0.24 0.23 1.02 333 899 g_size4:g_noise38:g_shape1:g_interpsEM006 -0.00 0.12 -0.23 0.23 1.01 357 848 g_size8:g_noise38:g_shape1:g_interpsEM006 -0.01 0.12 -0.23 0.22 1.02 231 955 g_size4:g_noise19:g_shape1:g_interpsEM008 -0.01 0.12 -0.23 0.23 1.01 372 1263 g_size8:g_noise19:g_shape1:g_interpsEM008 -0.01 0.12 -0.24 0.23 1.02 319 975 g_size4:g_noise38:g_shape1:g_interpsEM008 -0.01 0.12 -0.25 0.22 1.01 301 1075 g_size8:g_noise38:g_shape1:g_interpsEM008 -0.01 0.12 -0.25 0.23 1.02 294 575 g_size4:g_noise19:g_shape1:g_interpsEM016 -0.01 0.12 -0.24 0.22 1.01 343 1131 g_size8:g_noise19:g_shape1:g_interpsEM016 -0.01 0.12 -0.24 0.23 1.02 315 949 g_size4:g_noise38:g_shape1:g_interpsEM016 -0.00 0.12 -0.24 0.22 1.02 260 972 g_size8:g_noise38:g_shape1:g_interpsEM016 -0.00 0.12 -0.25 0.23 1.02 240 793 g_size4:g_noise19:g_shape1:g_interpsEM018 -0.00 0.12 -0.24 0.23 1.01 410 1394 g_size8:g_noise19:g_shape1:g_interpsEM018 -0.01 0.12 -0.24 0.23 1.02 365 1040 g_size4:g_noise38:g_shape1:g_interpsEM018 -0.00 0.12 -0.24 0.23 1.01 331 999 g_size8:g_noise38:g_shape1:g_interpsEM018 -0.01 0.12 -0.25 0.23 1.01 261 996 g_size4:g_noise19:g_shape1:g_interpsEM026 0.26 0.12 0.03 0.48 1.01 333 973 g_size8:g_noise19:g_shape1:g_interpsEM026 0.23 0.12 0.00 0.47 1.02 310 941 g_size4:g_noise38:g_shape1:g_interpsEM026 0.10 0.12 -0.13 0.33 1.01 294 1088 g_size8:g_noise38:g_shape1:g_interpsEM026 0.07 0.12 -0.15 0.31 1.02 257 885 g_size4:g_noise19:g_shape1:g_interpsEM028 0.28 0.12 0.05 0.51 1.01 387 1047 g_size8:g_noise19:g_shape1:g_interpsEM028 0.25 0.12 0.03 0.49 1.03 339 976 g_size4:g_noise38:g_shape1:g_interpsEM028 0.06 0.12 -0.17 0.29 1.02 322 880 g_size8:g_noise38:g_shape1:g_interpsEM028 0.04 0.12 -0.20 0.28 1.02 269 1054 Family Specific Parameters: Estimate Est.Error l-95% CI u-95% CI Rhat Bulk_ESS Tail_ESS shape 58.11 1.58 55.03 61.25 1.00 3879 3088 Samples were drawn using sampling(NUTS). For each parameter, Eff.Sample is a crude measure of effective sample size, and Rhat is the potential scale reduction factor on split chains (at convergence, Rhat = 1).