![](/img/trans.png)
[英]How to determine if a linear mixed model is overdetermined in lme4/nlme?
[英]Multivariate Linear Mixed Model in lme4
我想知道如何使用lme4
擬合多元線性混合模型。 我使用以下代碼擬合單變量線性混合模型:
library(lme4)
lmer.m1 <- lmer(Y1~A*B+(1|Block)+(1|Block:A), data=Data)
summary(lmer.m1)
anova(lmer.m1)
lmer.m2 <- lmer(Y2~A*B+(1|Block)+(1|Block:A), data=Data)
summary(lmer.m2)
anova(lmer.m2)
我想知道如何使用lme4
擬合多元線性混合模型。 數據如下:
Block A B Y1 Y2
1 1 1 135.8 121.6
1 1 2 149.4 142.5
1 1 3 155.4 145.0
1 2 1 105.9 106.6
1 2 2 112.9 119.2
1 2 3 121.6 126.7
2 1 1 121.9 133.5
2 1 2 136.5 146.1
2 1 3 145.8 154.0
2 2 1 102.1 116.0
2 2 2 112.0 121.3
2 2 3 114.6 137.3
3 1 1 133.4 132.4
3 1 2 139.1 141.8
3 1 3 157.3 156.1
3 2 1 101.2 89.0
3 2 2 109.8 104.6
3 2 3 111.0 107.7
4 1 1 124.9 133.4
4 1 2 140.3 147.7
4 1 3 147.1 157.7
4 2 1 110.5 99.1
4 2 2 117.7 100.9
4 2 3 129.5 116.2
提前感謝您的時間和合作。
通過簡單地重新格式化數據,有時可以在nlme / lme4中令人滿意地偽造
require(reshape)
Data = melt(data, id.vars=1:3, variable_name='Y')
Data$Y = factor(gsub('Y(.+)', '\\1', Data$Y))
> Data
Block A B Y value
1 1 1 1 1 135.8
2 1 1 2 1 149.4
3 1 1 3 1 155.4
4 1 2 1 1 105.9
5 1 2 2 1 112.9
6 1 2 3 1 121.6
...
然后在線性混合模型中包含新變量Y
但是,對於真正的多元廣義線性混合模型(MGLMM),您可能需要sabreR
包或類似的。 這個包附帶了一本完整的書, 使用R的多元廣義線性混合模型 。 如果您有訂閱機構的代理,您甚至可以從http://www.crcnetbase.com/isbn/9781439813270免費下載。 我會在那里向你推薦任何進一步的建議,因為這是一個多肉的主題,我非常新手。
lmer和它的兄弟姐妹lme本身就是“一個參數左邊的〜”。 看看汽車包裝; 它沒有提供現成的重復測量支持,但您可以通過搜索R列表找到關於該主題的一些評論:
@ John在上面的回答應該是非常正確的。 您將虛擬變量(即 - 因子變量Y
)添加到模型中。 這里有3個下標i= 1...N
表示觀察, j=1,...,4
表示塊, h=1,2
表示因變量。 但是你還需要將1級錯誤項強制為0(或接近零),我不確定lme4
。 Ben Bolker可能會提供更多信息。 對於潛在的多變量模型,Goldstein(2011)第6章和第7章更詳細地描述了這一點。
IE
Y_hij = \\ beta_ {01} z_ {1ij} + \\ beta_ {02} z_ {2ij} + \\ beta X + u_ {1j} z_ {1ij} + u_ {2j} z_ {2ij}
所以:
require(reshape2)
Data = melt(data, id.vars=1:3, variable_name='Y')
Data$Y = factor(gsub('Y(.+)', '\\1', Data$Y))
m1 <- lmer(value ~ Y + A*B + (1|Block) + (1|Block*A), data= Data)
# not sure how to set the level 1 variance to 0, @BenBolker
# also unclear to me if you're requesting Y*A*B instead of Y + A*B
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.