R Language
Modelado lineal jerárquico
Buscar..
ajuste básico modelo
disculpas : como no conozco un canal para discutir / proporcionar comentarios sobre las solicitudes de mejora, voy a poner mi pregunta aquí. Por favor, siéntase libre de señalar un lugar mejor para esto! @DataTx afirma que esto es "completamente claro, incompleto o tiene problemas graves de formato". Dado que no veo ningún problema importante de formato (:-)), sería útil contar con más información sobre lo que se espera aquí para mejorar la claridad o la integridad, y por qué lo que hay aquí es insalvable.
Los paquetes primarios para ajustar modelos lineales jerárquicos (alternativamente "mixtos" o "multinivel") en R son nlme
(más antiguo) y lme4
(más nuevo). Estos paquetes difieren en muchos aspectos menores, pero en general deberían resultar en modelos ajustados muy similares.
library(nlme)
library(lme4)
m1.nlme <- lme(Reaction~Days,random=~Days|Subject,data=sleepstudy,method="REML")
m1.lme4 <- lmer(Reaction~Days+(Days|Subject),data=sleepstudy,REML=TRUE)
all.equal(fixef(m1.nlme),fixef(m1.lme4))
## [1] TRUE
Diferencias a tener en cuenta:
- la sintaxis de la fórmula es ligeramente diferente
-
nlme
está (aún) mejor documentado (por ejemplo, modelos de efectos mixtos de Pinheiro y Bates 2000 en S-PLUS ; sin embargo, consulte Bates et al. 2015 Journal of Statistical Software /vignette("lmer",package="lme4")
paralme4
) -
lme4
es más rápido y permite un ajuste más fácil de los efectos aleatorios cruzados -
nlme
proporciona valores de p para modelos lineales mixtoslme4
,lme4
requiere paquetes adicionales comolmerTest
oafex
-
nlme
permite el modelado de heteroscedasticidad o correlaciones residuales (en espacio / tiempo / filogenia)
Las preguntas frecuentes no oficiales de GLMM brindan más información, aunque se centran en modelos mixtos lineales generalizados (GLMM).