R Language
Modellazione lineare gerarchica

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") per lme4 )
• 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 come lmerTest o afex
• 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).