如何使用软件包lme4获得随机效果的解决方案？

Question

我有一个与此类似的模型：

model=lmer(y ~ (1|ID) + Factor.A + Factor.B, data=df)

我想获得随机效果的解决方案，但是我只能使用以下代码来获得固定效果的解决方案：

coef(summary(model))
summary(model)

我也尝试了这段代码：

coef(model)

但我想此输出不适用于解决随机效应。 是否有代码使用lme4或另一个软件包来获得随机效果的解决方案？

Answer 1

我认为清楚地说明您的问题以及您想做的事情会有所帮助。 但是，基于这些评论，我想我知道您正在尝试做什么。

正如@Marius所说， ranef(model)将为您提供截距。

打包程序arm具有se.ranef函数，可为您提供“标准错误”。 我不确定如何计算。 请参阅此链接，以确保它正在执行您想要的操作：

https://rdrr.io/cran/arm/man/se.coef.html

所以一起：

library(lme4)
model=lmer(y ~ (1|ID) + Factor.A + Factor.B, data=df)

ranef(model)

library(arm)
se.ranef(model)

Answer 2

仅使用lme4软件包，您可以通过as.data.frame(ranef(fitted_model))最方便地获取条件模式以及条件标准差 ：

library(lme4)
fm1 <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
as.data.frame(ranef(fm1))
##     grpvar        term grp     condval    condsd
## 1  Subject (Intercept) 308   2.2575329 12.070389
## 2  Subject (Intercept) 309 -40.3942719 12.070389
## 3  Subject (Intercept) 310 -38.9563542 12.070389
## ... etc.

我不确定我是否会称这些“标准错误”为佳-这里有一大堆蠕虫，它们可以根据观察到的随机变量的条件值做出什么样的推断……根据道格·贝茨 （ Doug Bates）

关于术语，我更喜欢将ranef提取器返回的数量ranef “随机效应的条件模式”。 如果要精确，这些是给定Y = y的随机效应B的条件模式（对于线性混合模型，它们也是条件均值），以参数估计值进行评估。 在给定Y = y的情况下，还可以评估B的条件方差-协方差，从而获得预测间隔。