R Language
Hiërarchische lineaire modellering
Zoeken…
basismodel montage
excuses : aangezien ik geen kanaal ken voor het bespreken / geven van feedback op verzoeken om verbetering, ga ik mijn vraag hier stellen. Aarzel niet om hier op een betere plek te wijzen! @DataTx stelt dat dit "volledig onduidelijk, onvolledig of ernstige opmaakproblemen is". Aangezien ik geen grote opmaakproblemen zie (:-)), zou een beetje meer begeleiding over wat hier wordt verwacht voor het verbeteren van de duidelijkheid of volledigheid, en waarom wat hier is niet te redden is, nuttig zijn.
De primaire pakketten voor het aanpassen van hiërarchische (alternatief "gemengde" of "multilevel") lineaire modellen in R zijn nlme
(ouder) en lme4
(nieuwer). Deze pakketten verschillen op veel minder belangrijke manieren, maar moeten over het algemeen resulteren in zeer vergelijkbare gemonteerde modellen.
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
Te overwegen verschillen:
- formule syntaxis is iets anders
-
nlme
is (nog) enigszins beter gedocumenteerd (bijv. Pinheiro en Bates 2000 Mixed-effects modellen in S-PLUS ; zie echter Bates et al. 2015 Journal of Statistical Software /vignette("lmer",package="lme4")
voorlme4
) -
lme4
is sneller en maakt het gemakkelijker om gekruiste willekeurige effecten aan te passen -
nlme
biedtnlme
-en-nlme
p-waarden voor lineair gemengde modellen,lme4
vereist add-on pakketten zoalslmerTest
ofafex
-
nlme
maakt modellering van heteroscedasticiteit ofnlme
mogelijk (in ruimte / tijd / fylogenie)
De onofficiële Veelgestelde vragen over GLMM biedt meer informatie, hoewel deze is gericht op algemene lineaire gemengde modellen (GLMM's).