Question

我使用命令：

在R中使用glmmLasso拟合混合模型

glmmLasso(fix = Activity ~ Novelty + Valence + ROI + Novelty:Valence + 
    Novelty:ROI + Valence:ROI + Novelty:Valence:ROI, rnd = list(Subject = ~1), 
    data = KNov, lambda = 195, switch.NR = F, final.re = TRUE)

为了让您了解数据，head(KNov)的输出是：

  Subject   Activity ROI Novelty Valence Side      STAIt
1     202 -0.4312944   H       N       E    L -0.2993321
2     202 -0.6742497   H       N       N    L -0.2993321
3     202 -1.0914216   H       R       E    L -0.2993321
4     202 -0.6296091   H       R       N    L -0.2993321
5     202 -0.6023507   H       N       E    R -0.2993321
6     202 -1.1554196   H       N       N    R -0.2993321

（我使用KNov$Subject <- factor(KNov$Subject)将主题读作分类变量）

活动是衡量大脑活动的指标，新奇和效价是编码用于引发反应的刺激类型的分类变量，而ROI是编码我们从中采集此活动的大脑的三个区域的分类变量。对象是从中采样数据的个体的ID号（n = 94）。

glmmLasso的输出是：

Fixed Effects:

Coefficients:
                        Estimate    StdErr z.value   p.value    
(Intercept)             0.232193  0.066398  3.4970 0.0004705 ***
NoveltyR               -0.190878  0.042333 -4.5089 6.516e-06 ***
ValenceN               -0.164214        NA      NA        NA    
ROIB                    0.000000        NA      NA        NA    
ROIH                    0.000000        NA      NA        NA    
NoveltyR:ValenceN       0.064523  0.077290  0.8348 0.4038189    
NoveltyR:ROIB           0.000000        NA      NA        NA    
NoveltyR:ROIH           0.000000        NA      NA        NA    
ValenceN:ROIB          -0.424670  0.069561 -6.1050 1.028e-09 ***
ValenceN:ROIH           0.000000        NA      NA        NA    
NoveltyR:ValenceN:ROIB  0.000000        NA      NA        NA    
NoveltyR:ValenceN:ROIH  0.000000        NA      NA        NA    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Random Effects:

StdDev:
          Subject
Subject 0.6069078

我想获得效价效应的p值。我的第一个想法是没有包括效价的p值，因为它是非重要的并且仅包括在模型中，因为它是重要的ValenceR：ROIB相互作用的一部分，然而NoveltyR：ValenceN也是非重要的，但是为此给出了p值。我想要一个p值，即使它是非重要的，因为这个分析将用于论文，我更愿意报告实际的p值而不是p> .05。

Answer 1

这里的问题很可能是由于“预测器的排名降低”，即你有很多组合，其中没有条目或者一些较小的条目子集足以明确地预先确定其余的值。我建议你运行这段代码并注意你得到零个单元格。

with(KNov, table( Novelty ,
                  Valence, 
                  ROI , 
                  interaction(Novelty, Valence) )

使用glmmLasso获取所有包含参数的p值

1 个答案: