R Language
Hierarkisk linjär modellering

grundmodell montering

ursäkt : eftersom jag inte känner till en kanal för att diskutera / ge feedback på begäranden om förbättring kommer jag att ställa min fråga här. Tveka inte att peka ut en bättre plats för detta! @DataTx säger att detta är "helt oklart, ofullständigt eller har allvarliga formateringsproblem". Eftersom jag inte ser några stora formateringsproblem (:-)) skulle lite mer vägledning om vad som förväntas här för att förbättra tydligheten eller fullständigheten, och varför det som är här är oöverskådligt, vara användbart.

De primära paketen för montering av hierarkiska (alternativt "blandade" eller "flernivå") linjära modeller i R är nlme (äldre) och lme4 (nyare). Dessa paket skiljer sig på många mindre sätt men bör i allmänhet resultera i mycket liknande monterade modeller.

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

Skillnader att tänka på:

• formelsyntax är något annorlunda
• nlme är (fortfarande) något bättre dokumenterad (t.ex. Pinheiro och Bates 2000 -modeller med blandade effekter i S-PLUS ; se dock Bates et al. 2015 Journal of Statistical Software / vignette("lmer",package="lme4") för lme4 )
• lme4 är snabbare och möjliggör enklare montering av korsade slumpmässiga effekter
• nlme tillhandahåller p-värden för linjära blandade modeller ur lådan, lme4 kräver tilläggspaket som lmerTest eller afex
• nlme tillåter modellering av heteroscedasticitet eller kvarvarande korrelationer (i rymd / tid / fylogeni)

De inofficiella frågorna om GLMM ger mer information, även om den är inriktad på generaliserade linjära blandade modeller (GLMM).