更新

Question

我在调整随机效果时遇到了从3级glmer模型生成模拟的问题（我实际上是通过bootMer使用预测，但问题是相同的）。

这有效：

library(lme4)
fit1 =   glmer(cbind(incidence, size - incidence) ~ period + (1 | herd),
                                            data = cbpp, family = binomial)
simulate(fit1, re.form=NULL)

这失败了：

cbpp$bigherd = rep(1:7, 8)
fit2 =   glmer(cbind(incidence, size - incidence) ~ period + (1 | bigherd / herd),
                             data = cbpp, family = binomial)
simulate(fit2, re.form=NULL)    
Error: No random effects terms specified in formula

非常感谢任何想法。

更新

Ben，非常感谢您的帮助，非常感谢。我想知道我是否可以再次强加给你。

我想要做的是模拟响应规模的预测，我不确定我是否可以使用你的工作？或者，如果有替代我正在做的事情。谢谢！

这可以按预期工作，但不以随机效果为条件：

FUN = function(.){
    predict(., type="response")
}
bootMer(fit2, FUN, nsim=3)$t

这不起作用，正如上面给出的问题所预期的那样：

bootMer(fit2, FUN, nsim=3, use.u=TRUE)$t

据我所知，我无法将re.form传递给bootMer。

以下备选方案是否会导致模拟预测以随机效果为条件而不会将use.u传递给bootMer？

FUN = function(.){
    predict(., type="response", re.form=~(1|herd:bigherd) + (1|bigherd))
}
bootMer(fit2, FUN, nsim=10)$t

Answer 1

我不确定到底发生了什么，但这里有两个做工作的解决方法：

simulate(fit2, re.form=lme4:::reOnly(formula(fit2)))
simulate(fit2, re.form=~(1|herd:bigherd) + (1|bigherd))

＆＃34;斜线＆＃34;的扩展肯定会出现问题。术语，因为这不起作用：

simulate(fit2, re.form=~(1|bigherd/herd))

我已将其发布为dojo/core

这些变通办法不适用于当前CRAN版本（1.1-9）中的bootMer（只接受use.u参数，而不是re.form）。

它已在Github（1.1-10）的开发版本中修复：devtools::install_github("lme4/lme4")将安装它，如果你安装了编译工具。

与此同时，您可以继续实施自己的参数化引导程序（对于参数化引导，bootMer实际上是simulate()/[ refit（）or update（）的非常薄的包装器]/ FUN`）。大部分复杂性都与并行计算有关（如果你想在你自己的PB实现中进行并行计算，你必须重新添加一些）。

这是手动参数化引导程序的概述：

nboot <- 10
nresp <- length(FUN(orig_fit))
res <- matrix(NA,nboot,nresp)
for (i in 1:nboot) {
  res[i,] <- FUN(update(orig_fit,data=simulate(orig_fit,...)))
             ## or use refit() for LMMs
             ## ... are options to simulate()
}
t(apply(res,2,quantile,c(0.025,0.975)))

嵌套glmer模型的模拟

更新

1 个答案: