Question

我想使用新lme4包的新bootMer（）功能（当前的开发人员版本）。我是R的新手，不知道我应该为其FUN参数编写哪个函数。它说它需要一个数字向量，但我不知道该函数将执行什么。所以我有一个混合模型公式，它被转换为bootMer（），并且有许多重复。所以我不知道那个外部函数是做什么的？它应该是引导方法的模板吗？他的bootMer中是否已经实现了自举方法？那么为什么他们需要外部的“利益统计”呢？我应该使用哪种统计数据？

以下语法是否适用？ R继续产生错误，产生FUN必须是数字向量。我不知道如何将估计与“适合”分开，甚至我应该首先这样做？我可以说我迷失了那种“有趣”的说法。另外我不知道我应该使用变量“Mixed5”传递混合模型glmer（）公式还是应该传递一些指针和引用？我在示例中看到X（bootMer（）的第一个参数是* lmer（）对象。我想编写* Mixed5但它渲染错误。

非常感谢。

我的代码是：

library(lme4)
library(boot)

(mixed5 <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
                 + (1 | PatientID) + (0 + Trt | PatientID)
                 , family=binomial(logit), MixedModelData4))


FUN <- function(formula) {
  fit <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
               + (1 | PatientID) + (0 + Trt | PatientID)
               , family=binomial(logit), MixedModelData4)
  return(coef(fit))
}

result <- bootMer(mixed5, FUN, nsim = 3, seed = NULL, use.u = FALSE,
        type = c("parametric"),
        verbose = T, .progress = "none", PBargs = list())

result
FUN
fit

错误：

Error in bootMer(mixed5, FUN, nsim = 3, seed = NULL, use.u = FALSE, type = c("parametric"),  : 
  bootMer currently only handles functions that return numeric vectors

----------------------------------------------- ---------更新---------------------------------------- -------------

我像Ben指示的那样编辑了代码。代码运行得非常好，但SE和偏差都是零。你也知道如何从这个输出中提取P值（对我来说很奇怪）？我应该使用afex包的mixed（）吗？

我修改后的代码：

library(lme4)
library(boot)

(mixed5 <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
                + (0 + Trt | PatientID)
                 , family=binomial(logit), MixedModelData4))


FUN <- function(fit) {
  fit <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
               + (1 | PatientID) + (0 + Trt | PatientID)
               , family=binomial(logit), MixedModelData4)
  return(fixef(fit))
}

result <- bootMer(mixed5, FUN, nsim = 3)

result

----------------------------------------------- ---------更新2 --------------------------------------- --------------

我也尝试了以下内容，但代码生成了警告，并没有给出任何结果。

(mixed5 <- glmer(DV ~ Demo1 +Demo2 +Demo3 +Demo4 +Trt 
                 + (1 | PatientID) + (0 + Trt | PatientID)
                 , family=binomial(logit), MixedModelData4))

FUN <- function(mixed5) {
  return(fixef(mixed5))}

result <- bootMer(mixed5, FUN, nsim = 2)

警告讯息：

In bootMer(mixed5, FUN, nsim = 2) : some bootstrap runs failed (2/2)
> result

Call:
bootMer(x = mixed5, FUN = FUN, nsim = 2)

Bootstrap Statistics :
WARNING: All values of t1* are NA
WARNING: All values of t2* are NA
WARNING: All values of t3* are NA
WARNING: All values of t4* are NA
WARNING: All values of t5* are NA
WARNING: All values of t6* are NA

----------------------------------------------- ---------更新3 --------------------------------------- --------------

此代码以及生成的警告：

FUN <- function(fit) {
  return(fixef(fit))}

result <- bootMer(mixed5, FUN, nsim = 2)

警告和结果：

Warning message:
In bootMer(mixed5, FUN, nsim = 2) : some bootstrap runs failed (2/2)
> result

Call:
bootMer(x = mixed5, FUN = FUN, nsim = 2)

Bootstrap Statistics :
WARNING: All values of t1* are NA
WARNING: All values of t2* are NA
WARNING: All values of t3* are NA
WARNING: All values of t4* are NA
WARNING: All values of t5* are NA
WARNING: All values of t6* are NA

Answer 1

这里基本上有两个（简单）混淆。

第一个是在coef()（返回矩阵列表）和fixef()之间（返回固定效果的向量）系数）：我认为fixef()是您想要的，尽管您可能想要c(fixef(mixed),unlist(VarCorr(mixed)))之类的东西。
第二个是FUN应该将拟合的模型对象作为输入......

例如：

library(lme4)
library(boot)

mixed <- glmer(incidence/size ~ period + (1|herd),
               weights=size, data=cbpp, family=binomial)

FUN <- function(fit) {
    return(fixef(fit))
}

result <- bootMer(mixed, FUN, nsim = 3)

result

## Call:
## bootMer(x = mixed, FUN = FUN, nsim = 3)
## Bootstrap Statistics :
##      original      bias    std. error
## t1* -1.398343 -0.20084060  0.09157886
## t2* -0.991925  0.02597136  0.18432336
## t3* -1.128216 -0.03456143  0.05967291
## t4* -1.579745 -0.08249495  0.38272580
##

Answer 2

这可能是同一个问题，that I reported as an issue here。至少它会导致同样的，无益的错误信息并且花了我一段时间。

这意味着你的数据会丢失，而lmer会忽略但会杀死bootMer。

尝试：

(mixed5 <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
                 + (1 | PatientID) + (0 + Trt | PatientID)
                 , family=binomial(logit), na.omit(MixedModelData4[,c('DV','Demo1','Demo2','Demo3','Trt','PatientId')])))

R：使用新lme4包的bootMer（）进行Bootstrapped二进制混合模型逻辑回归

2 个答案: