Szukaj…


podstawowe dopasowanie modelu

przeprosiny : ponieważ nie znam kanału do dyskusji / udzielania opinii na temat wniosków o ulepszenie, postawię tutaj moje pytanie. Proszę wskazać na to lepsze miejsce! @DataTx stwierdza, że jest to „całkowicie niejasne, niekompletne lub ma poważne problemy z formatowaniem”. Ponieważ nie widzę żadnych dużych problemów z formatowaniem (:-)), przydałoby się trochę więcej wskazówek na temat tego, czego można się spodziewać w celu poprawy jasności lub kompletności oraz dlaczego tego, co jest tutaj niemożliwe do odzyskania, byłoby przydatne.

Podstawowymi pakietami do dopasowania hierarchicznych (alternatywnie „mieszanych” lub „wielopoziomowych”) modeli liniowych w R są nlme (starsze) i lme4 (nowsze). Pakiety te różnią się na wiele drobnych sposobów, ale generalnie powinny skutkować bardzo podobnymi dopasowanymi modelami.

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

Różnice do rozważenia:

  • składnia formuły jest nieco inna
  • nlme jest (nadal) nieco lepiej udokumentowany (np. modele Pinheiro i Bates 2000 z efektami mieszanymi w S-PLUS ; jednak patrz Bates i wsp. 2015 Journal of Statistics Software / vignette("lmer",package="lme4") dla lme4 )
  • lme4 jest szybszy i pozwala na łatwiejsze dopasowanie skrzyżowanych efektów losowych
  • nlme dostarcza wartości p dla liniowych modeli mieszanych, lme4 wymaga pakietów dodatkowych, takich jak lmerTest lub afex
  • nlme umożliwia modelowanie nlme lub korelacji resztkowych (w czasoprzestrzeni / filogenezie)

Nieoficjalne FAQ GLMM zawiera więcej informacji, chociaż koncentruje się na uogólnionych liniowych modelach mieszanych (GLMM).



Modified text is an extract of the original Stack Overflow Documentation
Licencjonowany na podstawie CC BY-SA 3.0
Nie związany z Stack Overflow