GAM与mgcv包随机效应的方差 - 协方差矩阵

Question

随机效应与lme4包的随机效应和方差 - 协方差矩阵提取如下：

library(lme4)
fm1 <- lmer(Reaction ~ Days + (1|Subject), sleepstudy)
fm1.rr <- ranef(fm1,condVar=TRUE)
fm1.pv <- attr(rr[[1]],"postVar")

我想知道如何用mgcv做到这一点？ 'gam.vcomp'函数确实提取了估计的方差分量，但不是每个级别的随机效应。

library(mgcv)
fm2 <- gam(Reaction ~ Days + s (Subject, bs="re"), data = sleepstudy, method = "REML")
gam.vcomp(fm2)

Answer 1

library(lme4)
data(sleepstudy)

fm1 <- lmer(Reaction ~ Days + (1|Subject), sleepstudy)
fm1.rr <- ranef(fm1,condVar=TRUE)$Subject[,1]
fm1.pv <- sqrt(attr(ranef(fm1,condVar=TRUE) [['Subject']],"postVar")[1,1,])

library(mgcv)
fm2 <- gam(Reaction ~ Days + s (Subject, bs="re"), 
data = sleepstudy,   method = "REML")

为每个Subject提取随机效果

idx <-grep("Subject", names(coef(fm2)))
fm2.rr<-coef(fm2)[idx]
attributes(fm2.rr)<-NULL

我们可以看到两个模型中的随机效应与预期相同。

为了提取随机效应的方差 - 协方差矩阵并计算误差，我们使用参数Vp，它是贝叶斯后验协方差矩阵：

fm2.pv <-sqrt(diag(fm2$Vp))[idx]

或频率论估计的协方差矩阵Ve

fm2.pv <-sqrt(diag(fm2$Ve))[idx]

我们可以看到，使用mgcv估算的随机效果错误与使用lme4模型估算的随机效果错误略有不同。基于贝叶斯后验协方差矩阵的误差较大，而基于频率矩阵的误差较小。

Answer 2

您还可以使用gamm4包，该包基于gamm包，但下方使用lme4。该模型将适合：

fm3 <- gamm4(Reaction ~ Days, random = ~ (1|Subject), data = sleepstudy)

随机效应的随机效应和方差 - 协方差矩阵可以在正常lme4程序之后获得。

fm3.rr <- ranef(fm3$mer,condVar=TRUE)
fm3.pv <- attr(fm3.rr[[1]],"postVar")[1,1,]

但是gamm4可能比gam慢得多，所以请阅读帮助文件，看看它最适合您的需求。