問題タブ [random-effects]

関数 lmer を理解しようとしています。コマンドの使用方法については多くの情報を見つけましたが、実際に何をしているのかについてはあまり知りませんでした (いくつかの不可解なコメントをここに保存してください: http://www.bioconductor.org/help/course-materials/2008/PHSIntro/ lme4Intro-handout-6.pdf )。次の簡単な例で遊んでいます。

lmer が Y_{ij} = beta + B_i + epsilon_{ij} という形式のモデルに適合していることを理解しています。ここで、epsilon_{ij} と B_i はそれぞれ分散 sigma^2 と tau^2 を持つ独立した法線です。theta = tau/sigma が固定されている場合、正しい平均と最小分散を使用してベータの推定値を計算すると、次のようになります。

どこ

また、シグマ ^ 2 の次の公平な推定値も計算しました。

s^2 = \sum_{i,j} alpha_i (y_{ij} - c)^2 / (1 + シータ^2 - ラムダ)

これらの推定値は、lmer が生成するものと一致しているようです。ただし、このコンテキストで対数尤度がどのように定義されているかわかりません。となる確率密度を計算しました。

どこ

しかし、上記のログは lmer が生成するものではありません。この場合、対数尤度はどのように計算されますか (ボーナス マークの場合はなぜですか)。

編集:一貫性のために表記を変更し、標準偏差推定の誤った式を削除しました。

混合効果モデルの変量効果の分散は、固定因子のレベルによって異なると思いますBTyp。

これが私のモデルです

Btyp関数を使用して変量効果に固有の分散を組み込むことができましlmerたが、この関数では、グループ内エラーの分散の不均一性を考慮することができません (私の場合はこれを考慮する方が適切です)。私の質問は、関数を使用してランダム効果に「Btyp」固有の分散を組み込む方法ですか?lme

以下に、関数でどのようにlmer機能するかを示します。

Pind、Bind、Tindは、 のさまざまなレベルの指標変数ですBTyp。

私は現在、実験からのいくつかのデータに取り組んでいます。したがって、2 つの異なる治療法にランダムに割り当てられた何人かの個人に関するデータがあります。治療ごとに、3 つのセッションを実行しました。各セッションで、参加者は一連の決定を下すよう求められました。

私がやりたいことは、（1）個人へのランダム効果を含むモデルを使用して治療の効果を推定し、その後、（2）セッションごとに標準誤差をクラスター化することです。

R では、 plmパッケージを使用してランダム効果モデルを簡単に推定できます。

私の問題は、変数セッション、つまり個人が参加したセッションによって標準誤差をクラスター化できないことです。実際、plm パッケージのロバスト共分散行列推定器を使用すると、「グループ」と「グループ」の 2 種類のクラスターから選択できます。 「時間」。したがって、オプション「グループ」を選択すると、標準エラーが個々のレベルでクラスター化されます。

別のクラスタリング変数を選択する方法はありますか?

私はあなたの助けに感謝します。

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

eHOF パッケージの HOF 機能で、ネストされた研究デザインを検討したいと思います。サンプルブロックにネストされたポイントと、村にネストされたポイント（ランダム）でサンプリングしました。

これまでのところ、種の豊富さ (SpR、応答変数、固定) に対する生息地の種類 (生息地、説明、固定) の影響を説明するために GLMM を使用しました。したがって、ネストされた研究デザインを関数に組み込むことができる lme (nlme-package) を使用しました。

ここで、勾配に沿った SpR への影響について説明したいと思います。私の HOF 関数は次のようになります。

入れ子になった研究デザインを HOF に組み込む方法はありますか?

また、P 値も F 値または R2 値も取得できませんでした。私は何かを見落としましたか？

パッケージ: eHOF バージョン: 1.4 R バージョン 3.0.2

確率変数 ID の PS、TH、HW の 3 つの変数の固定効果を調べたいと思います。また、固定効果ごとに各被験者 (ID) のランダム勾配の推定値を知りたいと思っています。一部の被験者は複数年のデータを持っていたので、ID 内で年をネストする必要があります。これまでのところ、予備的な分析のために次のコードがあります。

このコードを実行すると、固定効果ごとに year(ID) のランダムな勾配推定値が得られます。

それは良いことですが、 IDだけのランダムな勾配の推定値も取得したいと思います。理想的には、モデルは1 年以上の ID を考慮し、年 (ID)とID のランダムな勾配推定値を提供します。

質問: SAS に ID のみのソリューションを出力するように指示するにはどうすればよいですか?

それを行うために次のコードを実行しようとしたところ、ランダム効果の出力に奇妙な空白が表示され、パラメーターの推定値が上記のコードで取得した出力とは異なりました。以下のコードは複雑すぎるようです。

*注意 - 件名なしでリストされている各固定効果内のすべての「pred」値は同じです。

SASで単純な一方向ランダム効果ANOVAを実行しようとしています。母分散がゼロと有意に異なるかどうかを知りたいです。

UCLA の idre サイトでは、次のように PROC MIXED を使用すると述べています。

これは、PROC MIXED を使用した以前の経験を考えると理にかなっています。

しかし、Murray Logan のテキスト Biostatistical Design and Analysis Using R では、一元配置分散分析では、固定効果と変量効果は区別されず、(R では) 「標準的な」一元配置分散分析を行っていると述べています。分散であって、平均ではありません。SAS では、彼の R 手順は次のいずれかを使用することと同等であることがわかりました。

1. PROC ANOVA
2. PROC GLM (ANOVA と同じですが、ANOVA の代わりに GLM を使用)
3. RANDOM ステートメントを使用した PROC GLM

上記の 3 つのモデルのp値は同じですが、UCLA で使用されている PROC MIXED モデルとは異なります。私のデータでは、p =0.2508 とp =0.3138 の差です。この場合、結論は変わりませんが、私はこの違いに満足していません。

どちらがより適切で、なぜこの違いがあるのか​​ 、誰でもアドバイスできますか?