Question

线性混合效应模型传统上以下列方式制定。 Ri = Xi×β+ Zi×bi +εi 其中β表示估计的固定效应，Z表示随机效应。因此，X是经典的设计矩阵。使用R，我希望能够在使用来自nlme包的lme拟合模型后提取这两个矩阵。例如，也可以在nlme包中找到的数据集“Rails”包含在6个随机选择的铁路轨道上的三个单独的超声波传播时间测量值。我可以使用截距固定效果和每个轨道的随机效果拟合一个简单的模型，如下所示。

library(nlme)
lmemodel<-lme(travel ~ 1, random = ~ 1 | Rail, data=Rail)

X设计矩阵只是一个18x1矩阵（6个轨道* 3个测量值），可以通过以下方式轻松提取：

 model.matrix(lmemodel, data=Rail)
   (Intercept)
1            1
2            1
3            1
4            1
5            1
6            1
7            1
8            1
9            1
10           1
11           1
12           1
13           1
14           1
15           1
16           1
17           1
18           1
attr(,"assign")
[1] 0

我想要做的是提取随机效果设计矩阵Z.我意识到如果我使用lme4包装适合相同的模型，可以通过以下方式完成：

library(lme4)
lmermodel<-lmer(travel ~ 1 + (1|Rail),data=Rail) 
t(lmermodel@Zt)  ##takes the transpose of lmermodel@Zt
lmermodel@X  ## extracts the X matrix

然而，我对如何从lme拟合模型中提取此矩阵感到茫然。

Answer 1

model.matrix(formula(lmemodel$modelStruct$reStr)[[1]],data=lmemodel$data)

1对于这个例子是特定的，因为只有一个随机效应。当你有多个随机效果时，你可以做一些更自动的编程来将不同的Z_i叠加在一起。

Answer 2

据我所知，Z矩阵未存储在lme对象的任何位置。最好的选择是在modelStruct$reStruct组件中（尝试names(modelfit); str(modelfit); sapply(modelfit,class)等进行探索），但据我所知，它并不存在。事实上，一些人在探究lme.default的内容时表明，Z矩阵实际上可能永远不会被明确构建;内部lme似乎与分组结构一起使用。你当然可以做到

Z <- model.matrix(~Rail-1,data=Rail)

但这可能不是你想到的......

在nlme中提取随机效果设计矩阵

2 个答案: