問題タブ [random-effects]

R で乱数を指定するにはどうすればよいですか?

x1 ランダムであるはずの要因がある場合、このようなことを試すことはできますか?

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?

調査データを使用してランダム効果を含むモデルでバイナリ結果を予測しようとしています。以下にサンプリング設計の説明を含めましたので、私の調査の重み付けアプローチについて自由にコメントしてください. 私の主な質問は、調査加重モデルにランダム効果を含める方法です。ここまでのコードは次のとおりです。

ランダムな効果が地域にあることを望みます。ありがとう、

サンプリングの説明:

MICS 2006 では、2 段階の層化サンプル デザインが使用されました。サンプリングの第 1 段階で、300 の国勢調査対象地域 (124 の都市部と 176 の農村部の EA) が選択されました。これらは、GLSS 5 用に選択された 660 の EA (281 の都市部と 379 の農村部) のサブサンプルです。各地域のクラスターは、サイズに比例する確率で体系的なサンプリングを使用して選択されました。

にmer呼び出されて作成されたオブジェクトがありますlmer()。

でランダム効果を取得できますが、ランダム効果ranef()ごとに対応する数の観測値が必要です-それを行う簡単な方法はありますか？

追加情報：

私は上記で自分自身を完全に明確にしなかったかもしれません。たとえば、患者が病院内にクラスター化され、病院のランダム切片が含まれる単純な2レベルのモデルがある場合、各病院内の患者数ranef() とともに、各病院のランダム効果を抽出したいと思います。現時点では、

これは私に次のようなものを与えます：

私は次のようなものを手に入れたいです：

これを行うために、私は使用しています

そして、cbindこれをからの結果にranef(fullmodel)[[1]]

ただし、これは洗練されておらず、エラーが発生しやすいようです。

qqmath 関数は、lmer パッケージからの出力を使用して、ランダム効果の優れたキャタピラー プロットを作成します。つまり、qqmath は、階層モデルからの切片と点推定値の誤差をプロットするのに優れています。Dyestuff と呼ばれる lme4 パッケージの組み込みデータを使用した lmer 関数と qqmath 関数の例を以下に示します。このコードは、ggmath 関数を使用して、階層モデルと適切なプロットを生成します。

コードの最後の行は、各推定値の周りの誤差を含む各切片の非常に優れたプロットを生成します。しかし、qqmath 関数の書式設定は非常に難しいようで、プロットの書式設定に苦労しています。私は答えられないいくつかの質問を思いつきました.lmer/qqmathの組み合わせを使用している場合、他の人も恩恵を受けることができると思います:

1. 上記のqqmath関数を使用して、特定のポイントを空にするか塗りつぶすか、ポイントごとに異なる色にするなど、いくつかのオプションを追加する方法はありますか? たとえば、バッチ変数の A、B、および C のポイントを塗りつぶし、残りのポイントを空にすることはできますか?
2. 各ポイントに軸ラベルを追加することはできますか (たとえば、上または右の y 軸に沿って)。
3. データの切片は 45 に近いので、ラベルが互いにぶつからないようにラベル間にスペースを追加することはできますか? 主に、グラフ上のポイントを区別/ラベル付けすることに興味がありますが、これは ggmath 関数では面倒/不可能と思われます。

これまでのところ、qqmath 関数に任意のオプションを追加すると、標準プロットであればエラーにならないエラーが発生するので、途方に暮れています。

また、lmer 出力からの切片をプロットするためのより良いパッケージ/関数があると思われる場合は、ぜひお聞かせください。(たとえば、dotplot を使用してポイント 1 ～ 3 を実行できますか?)

編集:合理的にフォーマットできる場合は、代替のドットプロットも受け入れます。私は ggmath プロットの外観が好きなので、それについての質問から始めます。

obj=coxph(... + frailty(id) ) を使用すると、オブジェクトは各個人の (log) frailty 推定値も返します。これは obj$frail で抽出できます。

これらの見積もりがどのように得られているか知っている人はいますか? それらは経験的ベイズ推定値ですか?

ありがとう！

テオドール

Tomcat で実行される Java Web アプリケーションを開発します。多くのコンピュータにインストールされており、問題なく動作しています。最近、単一のリモート インストールで、非常に奇妙な動作を示します。HTTP 経由でブラウザに送信されるコンテンツがランダムにシャッフルされることがあります。特定の URL に対して間違ったデータが提供されます。ほとんどの場合、Web ページ上でランダムに交換される画像として現れます。しかし、それは画像に限ったことではありません。たまたま、ブラウザーが HTML ページの代わりに画像の 1 つを取得したことがありました。

FireBug + NetExportを使用して問題をデバッグしようとしましたが、これまでに収集したもの:

• ランダムに表示されます。ほとんどの場合、コンテンツにエラーはなく、問題は時々発生します。
• 同じアプリケーションが多数のインストールで実行されますが、この 1 つのインストールだけでエラーが発生します。
• 特定のブラウザーに接続されていません。さまざまなコンピューターからさまざまなブラウザーを試しましたが、問題は解決しません。
• サーバー自体 (localhost) から表示した場合にも発生します。これにより、途中で壊れた透過プロキシが除外されます。
• 画像と HTML ページの両方が影響を受けます。
• 間違ったコンテンツを受信した場合、データ自体は一貫しています: Content-Length、Content-Type、ETagsなど - すべてがコンテンツと一致します。特定の URL のデータが間違っているというだけです。

私は本当に困惑しています、私はそのようなエラーを見たことがありません. 問題をさらに調査する方法についてのアイデアに感謝します。

rまたはstataのランダム効果を備えたハードルモデルを実行しようとしています。glmmADMB パッケージを見てきましたが、R でダウンロードする際に問題が発生しており、Cran でパッケージに関するドキュメントが見つかりません。このパッケージはまだ利用できますか? ランダム効果のあるハードルモデルを推定するためにそれをうまく使用した人はいますか?

あるいは、これを状態で推定する方法はありますか? stata の任意のタイプのカウント データでランダム効果を推定する方法はありますか?

アドバイスをいただければ幸いです。

ジェニファー

複数の予測子がある場合、混合モデルのランダム切片または勾配をプロットすることは可能ですか?

1 つの予測子を使用すると、次のようになります。

しかし、代わりに次のようなモデルがある場合はどうなるでしょうか?:

またはlmerで

プロットしている変数のすべての係数または係数のみを考慮する必要がありますか?

ありがとう

ビフォア アフター グラデーション アプローチを使用して、産業開発の生物学的影響を測定しようとしています。R で線形混合モデル アプローチを使用していますが、適切なモデル、特にランダム効果を指定するのに問題があります。私はこれを調査するのに多くの時間を費やしましたが、これまでのところ明確な解決策を思い付いていません.少なくとも私が理解しているものではありません. 私はLMM（およびそのことについてはR）が初めてなので、アドバイスを歓迎します。

応答変数 (たとえば、重要な種の存在量の変化) は、擾乱の端から放射状に広がる複数のトランセクト (「勾配」) に沿って固定距離で確立されたプロットを使用して、衝突の端からの距離の関数として測定されます。 . 理想的には、各プロットは衝撃の前後に複数回サンプリングされます。ただし、簡単にするために、各プロットが衝撃の前後に 1 回サンプリングされる最も単純なケースを想定することから始めます。また、個々の勾配が十分に離れているため、空間的に独立していると見なすことができると仮定します。

まず、シミュレートされたデータ。ここでの効果は曲線ではなく直線ですが、おわかりいただけると思います。

私が知る限り、固定効果は期間 (前、後) と距離である必要があり、距離を連続 (要因ではない) として扱って、勾配を推定できるようにします。期間と距離の相互作用 (前と後の勾配の差に相当) が影響を測定します。ランダム効果を指定する方法については、まだ頭を悩ませています。次のように、グラデーション間の変動を制御する必要があると思います。

ただし、バリエーションのソースを見逃している可能性があると思います。たとえば、上記のモデルが前後の個々のプロットの再サンプリングを制御するかどうかはわかりません。助言がありますか？