R Language
Иерархическое линейное моделирование

базовая модель

извинения : поскольку я не знаю канала для обсуждения / предоставления отзывов о запросах на улучшение, я собираюсь задать свой вопрос здесь. Пожалуйста, не стесняйтесь указать на лучшее место для этого! @DataTx заявляет, что это «полностью неясное, неполное или имеет серьезные проблемы с форматированием». Поскольку я не вижу больших проблем с форматированием (:-)), немного больше рекомендаций о том, что ожидается здесь для улучшения ясности или полноты, и почему то, что здесь является unsalvageable, было бы полезно.

Первичные пакеты для установки иерархических (альтернативно «смешанных» или «многоуровневых») линейных моделей в R являются nlme (старше) и lme4 (новее). Эти пакеты отличаются многими незначительными способами, но обычно должны приводить к очень похожим моделям.

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

Различия:

• синтаксис формулы несколько отличается
• nlme (до сих пор) несколько лучше документирован (например, модели nlme и Bates 2000 Mixed-effects в S-PLUS , однако см. Bates et al., 2015 Journal of Statistical Software / vignette("lmer",package="lme4") для lme4 )
• lme4 быстрее и позволяет упростить установку скрещенных случайных эффектов
• nlme предоставляет значения p для линейных смешанных моделей из коробки, lme4 требует дополнительных пакетов, таких как lmerTest или afex
• nlme позволяет моделировать nlme или остаточные корреляции (в пространстве / времени / филогенезе)

Неофициальный FAQ GLMM предоставляет дополнительную информацию, хотя он ориентирован на обобщенные линейные смешанные модели (GLMM).