問題タブ [lme4]

固定効果とランダム効果を持つ mer オブジェクトがあります。変量効果の分散推定値を抽出するにはどうすればよいですか? これが私の質問の簡略版です。

これにより、長い出力が得られます。この場合、長すぎません。とにかく、明示的に選択するにはどうすればよいですか

出力の一部？価値そのものが欲しい。

私は長い間見てきました

そこには何もありません！また、lme4 パッケージのエクストラクタ関数をチェックしても無駄でした。助けてください！

線形モデルのリストで AIC を使用してステップワイズ回帰を実行したいと考えています。アイデアは、線形モデルのリストを使用してから、各リスト要素に stepAIC を適用することです。失敗します。

問題を突き止めてみました。私は問題を見つけたと思います。ただし、原因がわかりません。コードを試して、3 つのケースの違いを確認してください。

stepAIC() には data.frame "dat" からの元のデータが必要であると確信しています。それは私が前に考えていたことです。（私が正しいことを願っています）しかし、元のデータフレームを渡すことができる stepAIC() にはパラメーターがありません。明らかに、リストにラップされていない単純なモデルの場合、モデルを渡すだけで十分です。（コードの最後の3行）だから私は疑問に思っています：

• Q1: stepAIC は元のデータ "dat" (パラメーターとして渡されたモデル データだけでなく) を見つける方法をどのように知っていますか?
• Q2: stepAIC() に、ヘルプ ページに明示的に記載されていない別のパラメーターがあることをどのように知ることができますか? (私の英語が下手すぎて見つけられないだけかもしれません)
• Q3: そのパラメーターを stepAIC() に渡すにはどうすればよいですか?

これは、適用関数の環境のどこかにあり、データを渡す必要があります。lm() または stepAIC() のいずれか、および生データへのポインター/リンクがどこかで失われる必要があります。R の環境が何をするのかよくわかりません。私にとっては、ローカル変数をグローバル変数から分離するようなものでした。しかし、おそらくもっと複雑です。上記の問題に関して私にそれを説明できる人はいますか? 正直なところ、私はR のドキュメントをあまり読んでいません。より良い理解は私を助けるでしょう。

OLD: 複数のサブグループに分割できるデータフレーム df にデータがあります。そのために、df$id というグループ ID を作成しました。lm() は、最初のサブグループに期待される係数を返します。各サブグループの基準として AIC を個別に使用して段階的回帰を実行したいと考えています。各サブグループ (id) のモデルになる lmList {lme4} を使用します。しかし、リスト要素に stepAIC{MASS} を使用すると、エラーがスローされます。下記参照。

質問は次のとおりです。手順/構文にどのような間違いがありますか? 単一のモデルの結果が得られますが、lmList で作成されたモデルの結果は得られません。lmList() は lm() とは異なるモデルに関する情報を保存しますか?
ただし、ヘルプには次のように記載されています。 class "lmList": 共通モデルを持つクラス lm のオブジェクトのリスト。

明らかに、リストでは何かが機能しません。しかし、それが何であるかはわかりません。同じモデル（少なくとも同じ係数）を作成する基本パッケージで同じことをしようとしたので。結果は以下のとおりです。

これは、私の linear.model で stepAIC を使用して返されたものです。私の知る限り、赤池情報量基準を使用して、特定のデータが与えられた場合に適合と一般化のバランスが取れているモデルを推定できます。

モデルを使用する必要がある出力から読み取りました: Scherkraft.N ~ Voidflaeche.pxこれは最小の AIC であるためです。まあ、誰かが出力を簡単に説明できればいいのですが。段階的回帰についての私の理解 (後方消去を仮定) は、すべての回帰変数が初期モデルに含まれているということです。次に、最も重要でないものが削除されます。決定する基準は AIC です。など...どういうわけか、テーブルを正しく解釈するのに問題があります。誰かが私の解釈を確認できるといいですね。「-」(マイナス) は、削除されたリグレッサーを表します。一番上に「開始」モデルがあり、下の表では、RSS と AIC が計算されて除去の可能性が示されています。したがって、最初の表の最初の行は、モデルScherkraft.N~Gap.um+Standoff.um+Voidflaeche.pxを示しています。 - Standoff.umは AIC 293.14 になります。Standoff.um のないものを選択してください: Scherkraft.N~Gap.um+Voidflaeche.px

編集:
lmList{lme4} を dlply() に置き換えて、モデルのリストを作成しました。それでもstepAICはリストに対応していません。別のエラーがスローされます。実際、stepAICが実行する必要があるデータに問題があると思います。モデルデータだけから各ステップのAIC値をどのように計算するのか疑問に思っていました. 元のデータを使用してモデルを構築し、毎回 1 つのリグレッサーを除外します。その上で、AIC を計算して比較します。元のデータにアクセスできない場合、stepAIC はどのように機能しますか。(元のデータを stepAIC に渡すパラメーターが表示されません)。それでも、単純なモデルでは機能するのに、リストにラップされたモデルでは機能しない理由がわかりません。

モデルに合わせようとしています

しかし、私は次のエラーを受け取り続けます：

NAを省略し、モデル仕様を変更し、popを​​log（pop）に変換しましたが、何も問題を解決しませんでした。問題の原因は変数「pop」だけだと思います。私が走るとき

何の問題もありません。

何が起こっているのかについて何か考えはありますか？

編集：

これが私のデータの構造です：

パッケージ lme4 を使用して「glmer」モデルをフィッティングするときの次の警告メッセージの意味は何ですか?

私が当てはめようとしているモデルは次のようなものです：

ありがとう

lmerいくつかの固定効果 (年齢、短期記憶スパンなどの被験者固有の変数を含む) と 2 セットのランダム効果 (被験者と被験者:条件)を使用して、マルチレベル多項式回帰モデルを適合させるために使用しています。ここで、特定の特性 (年齢、短期記憶スパンなど) を持つ架空の被験者のデータを予測したいと思います。モデル ( ) をフィッティングし、仮説の対象を含むm新しいデータ フレーム ( ) を作成しましたが、試行するとエラーが発生しました。predpredict(m, pred)

モデルから固定効果を抽出し、それをすべて乗算する力ずくの方法を使用できることはわかっていますが、より洗練された解決策はありますか?

回帰モデルの結果から、カテゴリ変数 (4 レベル) と標準化された連続変数の交互作用の勾配の違いまたは類似度を視覚的に表示する交互作用プロットを作成したいと考えています。

with(GLMModel, interaction.plot(continuous.var, categorical.var, response.var)) 私が探しているものではありません。連続変数の値ごとに勾配が変化するプロットが作成されます。次のプロットのように、勾配が一定のプロットを作成しようとしています。

何か案は？

フォームのモデルに適合しますfit<-glmer(resp.var ~ cont.var*cat.var + (1|rand.eff) , data = sample.data , poisson) ここにいくつかのサンプルデータがあります:

一部のデータを 4 パラメーターのロジスティック関数に適合させるために使用しようとしてnlmerいます。SSfpl以下を使用して、全体的なデータにうまく適合させることができます。

Conditionここで、被験者内レベルが 2 つあるの固定効果を追加したいと思います。2 つの条件が 4 つのパラメーター (A、B、xmid、scal) のいずれかに関して異なるかどうかを評価したいのですが、この式でそれを指定する方法がわかりません。モデルを 2 つのサブセット (条件 A と条件 B) に個別に当てはめ、パラメーターを比較することはできますが、それは正しいアプローチとは思えません。

lmandglmモデルでは、関数 and を使用しcoefてconfint目標を達成します。

lmerここで、モデルにランダム効果を追加しました - lme4 パッケージの関数を使用して混合効果モデルを使用しました。しかし、その後、機能し、私にとってはもう機能coefしconfintません!

グーグルでドキュメントを使用しようとしましたが、結果はありませんでした。私を正しい方向に向けてください。

編集: この質問がhttps://stats.stackexchange.com/により適しているかどうかも考えていましたが、統計よりも技術的であると考えているため、ここ (SO) に最も適していると結論付けました...どう思いますか?

次のような一般化された混合効果モデルがあります。

dotplotxのランダム勾配成分をプロットせずに、切片のランダム効果をプロットしたいと思います。私の問題は、ランダムな勾配ではなく、切片コンポーネントだけにアクセスする方法を理解できないように見えることです。

たとえば、私が欲しいのは、このプロットの左側です。

使うdotplot(ranef(fm, postVar=TRUE)$g[,2])べきだと思っていても、使っても欲しいものが得られない! を調べましたがstr(fm)、これ以上近づくのに役立つものは何もありませんでした。

ヘルプとヒントをいただければ幸いです。

パッケージlmListからを使用して、共通モデルを持つグループの信頼区間を計算しようとしています。lme4通常の線形モデルでは正常に機能しますが、従属変数が二分されている場合は失敗します。たとえば、これは正常に機能します。

を使用して係数を抽出し、を使用coef(fm1)して係数の信頼区間を抽出できconfint(fm1)ます。次に、二分された結果のモデルを実行します。

を使用して係数を取得することはできますcoef(fm2)が、信頼区間を取得しようとすると、エラーが発生します。

GLMの信頼区間がわからないのではないかと思ったので、もともとstats.stackexchangeに投稿するつもりでしたが、それでも信頼区間を取得できることがわかりました。

を使用してこれを行う方法はありlmListますか？