R Language
Modélisation linéaire hiérarchique

ajustement de modèle de base

excuses : comme je ne connais pas de canal pour discuter / fournir des commentaires sur les demandes d'amélioration, je vais poser ma question ici. N'hésitez pas à signaler un meilleur endroit pour cela! @DataTx indique qu'il s'agit de "problèmes de mise en forme, de manque de clarté ou de formatage grave". Étant donné que je ne vois pas de gros problèmes de formatage (:-)), des conseils un peu plus détaillés sur ce qui est attendu ici pour améliorer la clarté ou la complétude, et pourquoi ce qui est ici est inviolable, serait utile.

Les paquetages primaires pour ajuster les modèles linéaires hiérarchiques (ou "mixtes" ou "multiniveaux") dans R sont nlme (plus ancien) et lme4 (plus récent). Ces paquets diffèrent de plusieurs manières mineures, mais devraient généralement aboutir à des modèles ajustés très similaires.

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

Différences à prendre en compte:

• la syntaxe de la formule est légèrement différente
• nlme est (encore) quelque peu mieux documenté (par exemple, modèles à effets mixtes Pinheiro et Bates 2000 dans S-PLUS ; cependant, voir Bates et al. 2015 Journal of Statistical Software / vignette("lmer",package="lme4") pour lme4 )
• lme4 est plus rapide et permet un ajustement plus facile des effets aléatoires croisés
• nlme fournit des valeurs p pour les modèles mixtes linéaires hors de la boîte, lme4 requiert des modules complémentaires tels que lmerTest ou afex
• nlme possible de modéliser l'hétéroscédasticité ou les corrélations résiduelles (en espace / temps / phylogénie)

La FAQ non officielle de GLMM fournit plus d'informations, bien qu'elle se concentre sur les modèles mixtes linéaires généralisés (GLMM).