"lmer 输出的方差分量的标准误差"

Question

我需要从lmer<\/code>的输出中提取方差分量的standard error<\/code> 。

library(lme4)
model <- lmer(Reaction ~ Days + (1|Subject), sleepstudy)

Answer 1

我认为您正在寻找方差估计的 Wald 标准误差。 请注意，这些（正如 Doug Bates 经常指出的那样）Wald 标准误差通常是对方差不确定性的非常差<\/strong>的估计，因为似然分布通常远离方差尺度上的二次方......我假设你知道你在做什么并且对这些数字有一些好处......

这可以（现在）使用merDeriv<\/code>包完成。

library(lme4)
library(merDeriv)
m1 <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
sqrt(diag(vcov(m1, full = TRUE)))
vv <- vcov(m1, full = TRUE)
colnames(vv)
## [1] "(Intercept)"                  "Days"                        
## [3] "cov_Subject.(Intercept)"      "cov_Subject.Days.(Intercept)"
## [5] "cov_Subject.Days"             "residual"

Answer 2

我不太确定“方差分量的标准误差”是什么意思。 我最好的猜测（根据您的代码）是您想要随机效应的标准误差。 您可以使用包 arm 获得此信息：

library(arm)
se.ranef(model)
#$Subject
#    (Intercept)
#308    9.475668
#309    9.475668
#310    9.475668
#330    9.475668
#331    9.475668
#332    9.475668
#333    9.475668
#334    9.475668
#335    9.475668
#337    9.475668
#349    9.475668
#350    9.475668
#351    9.475668
#352    9.475668
#369    9.475668
#370    9.475668
#371    9.475668
#372    9.475668

Answer 3

mn2=lmer(pun~ pre + (pre|pro), REML = TRUE, data = pro)
summary(mn2)
coe2=coef(mn2)
coe2

# Matriz de varianza-covarianza (covarianza)
as.data.frame(VarCorr(mn2))

# Extraer coeficientes fijos
fixef(mn2)

# Extraer desvios de a - alfa y b - beta
re=as.data.frame(ranef(mn2))