R Language
Modellazione lineare gerarchica
Ricerca…
montaggio del modello di base
scuse : poiché non conosco un canale per discutere / fornire feedback sulle richieste di miglioramento, inserirò la mia domanda qui. Sentiti libero di indicare un posto migliore per questo! @DataTx afferma che questo è "completamente non chiaro, incompleto o presenta gravi problemi di formattazione". Dal momento che non vedo grossi problemi di formattazione (:-)), un po 'più di guida su ciò che è previsto qui per migliorare la chiarezza o la completezza, e perché ciò che è qui è inviolabile, sarebbe utile.
I pacchetti primari per il montaggio di modelli lineari gerarchici (in alternativa "misti" o "multilivello") in R sono nlme
(precedente) e lme4
(più recente). Questi pacchetti differiscono in molti modi minori, ma in generale dovrebbero comportare modelli molto simili.
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
Differenze da considerare:
- la sintassi della formula è leggermente diversa
-
nlme
è (ancora) un po 'meglio documentato (ad esempio modelli di effetti misti Pinheiro e Bates 2000 in S-PLUS , tuttavia, vedere Bates e altri 2015 Journal of Statistical Software /vignette("lmer",package="lme4")
perlme4
) -
lme4
è più veloce e consente un più facile montaggio di effetti casuali incrociati -
nlme
fornisce i valori p per i modelli misti lineari,lme4
richiede pacchetti aggiuntivi comelmerTest
oafex
-
nlme
consente la modellizzazione dell'eteroschedasticità o delle correlazioni residue (nello spazio / tempo / filogenesi)
Le FAQ non ufficiali di GLMM forniscono ulteriori informazioni, sebbene siano focalizzate su modelli misti lineari generalizzati (GLMM).