R Language
Hierarchiczne modelowanie liniowe
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")
dlalme4
) -
lme4
jest szybszy i pozwala na łatwiejsze dopasowanie skrzyżowanych efektów losowych -
nlme
dostarcza wartości p dla liniowych modeli mieszanych,lme4
wymaga pakietów dodatkowych, takich jaklmerTest
lubafex
-
nlme
umożliwia modelowanienlme
lub korelacji resztkowych (w czasoprzestrzeni / filogenezie)
Nieoficjalne FAQ GLMM zawiera więcej informacji, chociaż koncentruje się na uogólnionych liniowych modelach mieszanych (GLMM).