問題タブ [mixed-models]

この質問は構文とセマンティクスの両方に関するものであるため、Cross-Validated で (まだ回答されていない) 重複を見つけてください: https://stats.stackexchange.com/questions/113324/repeated-measures-anova-ezanova-vs-aov-vs -lme-syntax

機械学習の分野では、同じ 5 つのデータセットで 4 つの分類子を評価しました。つまり、各分類子はデータセット 1、2、3、...、および 5 のパフォーマンス測定値を返しました。パフォーマンス。おもちゃのデータは次のとおりです。

教科書に従って、反復測定の一元配置分散分析を実施しました。私はパフォーマンスを従属変数、分類子を被験者、データセットを被験者内因子として解釈しました。aovを使用して、私は得ました：

次の出力が生成されます。

線形混合効果モデルを使用すると、同様の結果が得られます。

次に、Sphericity の Mauchlys 検定を実行するために、ezANOVA で結果を再現しようとしました。

次の出力が生成されます。

これは明らかに、aov/lme を使用した以前の出力とは一致しません。それでも、ezANOVA 定義で「パフォーマンス」を「分類子」に置き換えると、期待どおりの結果が得られます。

私の教科書が間違っているのか (aov の定義)、それとも ezANOVA の構文を誤解しているのか、疑問に思っています。さらに、なぜ ezANOVA ステートメントを書き直したときに Mauchly のテスト結果しか得られず、最初のケースでは得られないのでしょうか?

パッケージ lme4 で glmer() を使用してロジット混合効果モデルを実行しています。この実験では、交差ランダム効果として被験者とアイテムを使用した被験者内アイテム内計画を使用しました。

私の問題: R と lme4 の異なるバージョン (異なる OS X で実行) は、固定効果の異なる標準誤差推定値を生成し、その結果、異なる有意性の結果を生成します。

これが私のデータのサブセットです (最後の 2 つの被験者からのデータ):

各被験者は、3 つの異なる条件 (因子 IV1、レベル: N、L、P) で 24 の試験でテストされました。それらがターゲット言語構造を生成したか (DV == 1)、生成しなかったか (DV == 0) を記録しました。分析では、ターゲット構造を少なくとも 1 つ生成した被験者のみを含めました。それにもかかわらず、それらのほとんどは、ごくわずかな機会にのみターゲット構造を生成しました。これは、各条件で各被験者によって生成された DV == 1 の割合です。

IV1 を含む次のモデルをヘルマート コントラスト コーディングの固定効果として実行します。最初のコントラスト: N 対 L & P、2 番目のコントラスト: L 対 P.

このモデルでは、アイテムごとのランダム変数間の相関を考慮していません (2 つの対比に個別の勾配を作成することでこれを行いました)。これは、相関が許可された場合、それらが完全に相関していたためです (これは過剰パラメータ化の兆候として解釈されました)。 .

1) os x 10.8.5 マウンテン ライオン R バージョン 3.0.2 (2013-09-25) lme4_1.0-5 を使用した結果 (私が実行した元の分析)

2) 使用した結果: OS X 10.9.4 Mavericks R バージョン 3.1.1 (2014-07-10) lme4_1.1-7 オプティマイザー「bobyqa」

どちらの結果を信頼してよいか、本当にわかりません。どんな助けでも大歓迎です。

Ps。何かが明確でない場合は申し訳ありません-それは私の最初の投稿です:)

どうもありがとう！

相互に相関するいくつかのランダムな切片があり、データがネストされていない R の縦断モデルを推定しようとしています。たとえば、生徒のテストの点数が 3 つのランダム切片、1 つのランダムな学校効果、1 つのランダムな教師効果、および 1 つのランダムな教師と学校の一致効果に回帰する単純な縦断モデルを考えてみましょう。縦断データでは教師が頻繁に学校を変えるため、データはネストされていません。私は主に変量効果パラメーター自体に関心があるため、3 つの変量効果すべてを指定して、それらを相互に関連付けることができるようにしたいと考えています。ランダムな勾配はなく、ランダムな切片のみがあります。

私は試した：

しかし、これにより、ランダム効果が相互に無相関になるように強制されるようです。lmerまたは他のRパッケージを使用して、ランダム切片を互いに相関させることができる同様のモデルを推定する方法はありますか(ネストされていないデータを使用)?

より具体的には、上記のモデルは共分散行列を強制的に対角にします。代わりに推定したいのは、このリンクのような無制限の共分散行列を持つランダム効果モデルです

共同研究者が分析を行いますが、SAS を持っていないため、反復測定モデルを SAS から R に変換しようとしています。4 つのグループを扱い、1 グループあたり 8 ～ 10 匹の動物を扱い、各動物に 5 つの時点を設定します。モック データ ファイルは、こちら https://drive.google.com/file/d/0B-WfycVUQyhaVGU2MUpuQkg4Mk0/edit?usp=Rdata ファイルとして共有され、こちら https://drive.google.com/file/d/ から入手できます。0B-WfycVUQyhaR0JtZ0V4VjRkTk0/edit?usp= Excel ファイルとして共有:

元の SAS コード (1) は次のとおりです。

与える：

R は SAS と同じように自由度を処理しないことを知っているので、最初に (2) のような結果を得ようとしています。

ここでいくつかのヒントを見つけました反復測定混合モデル式を SAS から Rに変換し、複合対称相関行列を指定すると、これは完全に機能します。ただし、一般的な相関行列については同じことを得ることができません。

SAS で (2) を使用すると、次の結果が得られます。

次の R コードを使用します。

私は得る：

自由度は似ていますが、固定効果のテストではなく、これがどこから来たのかわかりません。ここで私が間違っていることを誰かが知っていますか?

私は、2 つの生息地 (侵襲されたものと侵略されていないもの) と 3 つの異なる柱頭タイプ (ウェット、ドライ、セミドライ) の間の花粉の沈着の違いをテストしています。これは、疑似複製と非独立性に対処するために、サイトごとのサンプル数と種の数が不均衡であり、データの非正規分布がガンマ誤差分布に適合するネストされたランダム構造を持つことになったコミュニティ アプローチです。

最適なモデルを見つけるために、尤度比検定を使用しました。これは、固定効果の相互作用を持つモデルがよりよく適合することを示しています。

そこから、固定項の p 値を解釈する方法について少し混乱しています。以下の出力を見て、生息地と柱頭のタイプの p 値を交互作用項の独立した結果として解釈できますか? 言い換えれば、変数の生息地は、侵略されていない生息地と侵略された生息地 (切片) が異なるように、それ自体に大きな影響を与えていると言えますか? スティグマ型も同じ思考？または、相互作用がわずかに重要であるため、固定値を個別に解釈できなくなりましたか? そして、事後テストだけが、実際の違いがどこにあるのかを教えてくれるでしょうか?

ありがとうございます！

HLM7 ソフトウェアで実行されているモデルを R lmer 構文に「変換」しようとしています。

これは、現在どこにでもある「数学の成果」データセットからのものです。結果は数学の成績であり、データセットにはさまざまな学生レベルの予測因子 (マイノリティ ステータス、SES、学生が女性であるかどうかなど) とさまざまな学校レベルの予測因子 (カトリックと公立など) があります。

私が当てはめたいモデルの唯一の予測因子は学生レベルの予測因子であり、それらはすべてダミー変数を処理するためにグループ平均中心になっています (余談ですが、コントラスト コードの方が優れています)。生徒は学校にネストされているため、モデルのすべてのコンポーネントに対してランダム効果を指定する必要があります (私はそう思います)。

HLM モデルは次のとおりです。

レベル 1 モデル (注: レベル 1 のすべての予測変数はグループ平均中心です) MATHACHij = β0j + β1j*(MINORITYij) + β2j*(FEMALEij) + β3j*(SESij) + rij

レベル 2 モデル

β0j = γ00 + u0j

β1j = γ10 + u1j

β2j = γ20 + u2j

β3j = γ30 + u3j

混合モデル

MATHACHij = γ00 + γ10*MINORITYij + γ20*FEMALEij + γ30*SESij + u0j + u1j*MINORITYij + u2j*FEMALEij + u3j*SESij + rij

それを lmer 構文に変換して、試してみます: (注: _gmc は、変数がグループ平均中心に置かれていることを意味し、グループ化係数は「school_id」です)

model1<-lmer(mathach~minority_gmc+female_gmc+ses_gmc+(minority_gmc|school_id)+(female_gmc|school_id)+(ses_gmc|school_id), データ=データ, REML=F)

このモデルを実行すると、HLM の結果と一致しない結果が得られます。変量効果を間違って指定していませんか?

ありがとう！

R で 5 つの変数を使用して開発されたモデルがあります。ネスト効果のあるモデルを開発するために、線形混合モデリング手法が選択されています。

モデル開発用の私の R コードは次のとおりです。

4 つのパラメーターが PAI によってネストされます。

モデルがさまざまな条件でどのように予測するかを確認するために、データ フレームとして 5 つのパラメーターにさまざまな数値を作成しました (「ケース スタディ」と呼ばれます)。

次のようになります。

これらの 5 つのパラメーターの値を使用して、「Reduction.factor」を予測したかったのです。

だから私p1 <- predict(model1,case study)は予測を見に入れました..しかし、(関数(x、n)のエラーのみ: newdataで検出された新しいレベル<-このメッセージが表示されました..

これらの値を 5 つのパラメーターに使用して 'Reduction.factor' を予測するにはどうすればよいですか? そして.. 信頼区間 (95%) が必要な場合は、'interval='confidence'' と入力する必要がありますか?

前もって感謝します。