有没有办法在lmer模型中修改(覆盖)随机效果?对于固定效果,有一个名为my_lmer@beta
的插槽,我可以使用以下方法更改固定效果:
my_lmer@beta[1] <- 0.5
对于随机效果,是否有类似的方法? lmer-object是否已经包含随机效应,或者稍后通过例如计算得到。 ranef()
。
答案 0 :(得分:0)
找出你想要做的事情确实很好。修改reference class对象的内部结构特别危险 - 您可能会意外修改对象副本或导致分段错误......来自here,
library(lme4)
fm1 <- lmer(Reaction~Days+(1|Subject),sleepstudy) ## just for example
fm1@pp$getRefClass()$methods()
会告诉你这些方法......但是,你必须要比这更深入......事实证明(src/predModule.cpp
的1.85)b
实际做到了什么采取内部u
VectorXd merPredD::b(const double& f) const {return d_Lambdat.adjoint() * u(f);}
反过来调用
VectorXd merPredD::u(const double& f) const {return d_u0 + f * d_delu;}
这意味着要更改b
,您需要更改u0
的相应值;目前我不认为这是可能的。
作为参考,这是一些代码(来自here),用于评估当随机效应被(向量)z
从其估计值中移位时的偏差......
rr <- m@resp ## extract response module
u0 <- getME(m,"u") ## conditional modes
L <- getME(m,"L")
## sd <- 1/getME(pp,"L")@x
## filled elements of L matrix==diag for simple case
## for more general case need the following -- still efficient
sd <- sqrt(diag(chol2inv(L)))
## fixed-effects contribution to linear predictor
fc <- getME(m,"X") %*% getME(m,"beta")
ZL <- t(getME(m,"Lambdat") %*% getME(m,"Zt"))
## evaluate the unscaled conditional density on the deviance scale
dc <- function(z) {
uu <- u0 + z * sd ## displace conditional modes
## should still work if z is a vector (by recycling, because u values
## applying to each group are stored adjacent to each other)
rr$updateMu(fc + ZL %*% uu) ## update linear predictor
drc <- unname(as.vector(tapply(rr$devResid(), ff, sum)))
uuc <- colSums(matrix(uu * uu,nrow=nvar))
(drc + uuc)[grps]
}