lme4 i nlme są pakietami R stosowanymi do dopasowania liniowych, uogólnionych liniowych i nieliniowych modeli efektów mieszanych. W przypadku ogólnych pytań dotyczących modeli mieszanych użyj znacznika [mieszany model].
Zamknięte. To pytanie jest nie na temat . Obecnie nie przyjmuje odpowiedzi. Chcesz poprawić to pytanie? Zaktualizuj pytanie, aby było tematem dotyczącym weryfikacji krzyżowej. Zamknięte 6 miesięcy temu . Pracowałem w pakietach R nlme i lme4 , próbując określić modele z wieloma losowymi efektami. Odkryłem, że tylko nlme pozwala na …
Próbuję przejść z używania ezpakietu do lmeANOVA dla powtarzanych pomiarów (ponieważ mam nadzieję, że będę w stanie używać niestandardowych kontrastów lme). Zgodnie z radą z tego wpisu na blogu udało mi się skonfigurować ten sam model, używając zarówno aov(jak to się dzieje ez, kiedy jest to wymagane) i lme. Jednak, …
I zostały pominie ten przegląd lm / lmer formuł R od @conjugateprior i irytować się według następującego wpisu: Załóżmy teraz, że A jest losowy, ale B jest stały, a B jest zagnieżdżony w A. aov(Y ~ B + Error(A/B), data=d) Poniżej przedstawiono analogiczną formułę modelu mieszanego lmer(Y ~ B + …
Zastanawiam się, czy istnieją metody obliczania wielkości próby w modelach mieszanych? Używam lmerw R, aby dopasować modele (mam losowe zbocza i przechwyty).
Przeprowadziliśmy regresję logistyczną efektów mieszanych przy użyciu następującej składni; # fit model fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0, family = binomial(link="logit")) # model output summary(fm0) Przedmiot i przedmiot to efekty losowe. Otrzymujemy nieparzysty wynik, który jest współczynnikiem, a odchylenie standardowe dla przedmiotowego terminu wynosi …
Załóżmy, że mam pewien pomiar dla każdego przedmiotu w każdej witrynie. Dwie zmienne, przedmiot i miejsce, są interesujące pod względem obliczania wartości korelacji wewnątrzklasowej (ICC). Zazwyczaj używałbym funkcji lmerz pakietu R lme4i uruchamiał się lmer(measurement ~ 1 + (1 | subject) + (1 | site), mydata) Wartości ICC można uzyskać …
Mam eksperyment z powtarzanymi pomiarami, w którym zmienna zależna jest procentem, i mam wiele czynników jako zmienne niezależne. Chciałbym użyć glmerpakietu R, lme4aby potraktować go jako problem z regresją logistyczną (poprzez określenie family=binomial), ponieważ wydaje się, że bezpośrednio dostosowuje się on do tej konfiguracji. Moje dane wyglądają tak: > head(data.xvsy) …
Za pomocą następującego zestawu danych chciałem sprawdzić, czy odpowiedź (efekt) zmienia się w odniesieniu do witryn, sezonu, czasu trwania i ich interakcji. Niektóre internetowe fora poświęcone statystykom sugerowały, żebym kontynuował liniowe modele z efektami mieszanymi, ale problem polega na tym, że ponieważ replikacje są losowe w każdej stacji, nie mam …
Pracowałem z niektórymi danymi, które mają pewne problemy z powtarzanymi pomiarami. W ten sposób zauważyłem bardzo różne zachowanie między danymi testowymi lme()i ich lmer()używanie i chcę wiedzieć, dlaczego. Fałszywy zestaw danych, który utworzyłem, zawiera pomiary wzrostu i masy ciała dla 10 osób, wykonane dwukrotnie. Ustawiłem dane tak, aby między badanymi …
Patrzyłem na modelowanie efektów mieszanych przy użyciu pakietu lme4 w R. Używam głównie lmerpolecenia, więc zadam pytanie poprzez kod, który używa tej składni. Przypuszczam, że ogólne łatwe pytanie może być takie: czy można porównywać dowolne dwa modele zbudowane przy lmerużyciu współczynników wiarygodności opartych na identycznych zestawach danych? Uważam, że odpowiedzią …
Wiemy, że sparowany test t jest tylko specjalnym przypadkiem jednokierunkowej ANOVA z powtarzanymi pomiarami (lub wewnątrz podmiotu), a także liniowym modelem mieszanego efektu, który można zademonstrować za pomocą funkcji lme () pakiet nlme w języku R jak pokazano niżej. #response data from 10 subjects under two conditions x1<-rnorm(10) x2<-1+rnorm(10) # …
Powiedzmy, że mamy GLMM mod1 <- glmer(y ~ x + A + (1|g), data = dat) mod2 <- glmer(y ~ x + B + (1|g), data = dat) Te modele nie są zagnieżdżone w zwykłym sensie: a <- glmer(y ~ x + A + (1|g), data = dat) b <- …
Załóżmy, że pracujemy nad modelem efektów losowych niektórych danych zliczanych w czasie i chcemy kontrolować niektóre trendy. Zwykle zrobiłbyś coś takiego: lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson") zawierać kwadratowy kształt dla t. Czy można zastosować bardziej wyrafinowane techniki wygładzania, takie jak wygładzanie LOESS lub splajny, aby modelować ten związek?
Jest takie rozróżnienie, które wprawia mnie w zakłopotanie w przypadku modeli mieszanych i zastanawiam się, czy mógłbym uzyskać trochę jasności. Załóżmy, że masz mieszany model danych zliczania. Istnieje zmienna, o której wiesz, że chcesz jako efekt stały (A), oraz inna zmienna czasu (T), pogrupowana według powiedzonej zmiennej „Site”. Tak jak …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.