[英]Standard Error of variance component from the output of lmer
我需要從
lmer<\/code>的輸出中提取方差分量的
standard error<\/code> 。
library(lme4)
model <- lmer(Reaction ~ Days + (1|Subject), sleepstudy)
我認為您正在尋找方差估計的 Wald 標准誤差。 請注意,這些(正如 Doug Bates 經常指出的那樣)Wald 標准誤差通常是對方差不確定性的非常差<\/strong>的估計,因為似然分布通常遠離方差尺度上的二次方......我假設你知道你在做什么並且對這些數字有一些好處......
這可以(現在)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"
我不太確定“方差分量的標准誤差”是什么意思。 我最好的猜測(根據您的代碼)是您想要隨機效應的標准誤差。 您可以使用包 arm 獲得此信息:
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
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))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.