从r类中GAMM的随机效应中提取标准误差

Question

我建立了一个广义的加性混合效应模型，它具有固定效应和随机拦截效应（即一个分类变量）。运行模型后，我可以使用ranef(m1$lme)$x[[1]]为每个类别提取随机截距。但是，当我尝试使用se.ranef(m1$lme)提取随机效果的标准错误时，该函数不起作用。使用se.ranef(m1)和se.ranef(m1$gam)的其他尝试也不起作用。我不知道这是不是因为这些函数只适用于lmer类的模型？

任何人都可以帮助我，这样我就可以从班级＆＃34; gamm＆＃34;中抽出我随机拦截的标准错误。我想使用随机截距和标准误差来绘制我的gamm模型的最佳线性无偏预测器。

我的初始模型形式为：gamm(y ~ s(z), random = list(x = ~1), data = dat)。

library(mgcv)
library(arm)

example <- gamm(mag ~ s(depth), random = list(stations = ~1), data = quakes)
summary(example$gam)

#Family: gaussian 
#Link function: identity 

#Formula:
 # mag ~ s(depth)

#Parametric coefficients:
#  Estimate Std. Error t value Pr(>|t|)    
#(Intercept)  5.02300    0.04608     109   <2e-16 ***
#  ---
#  Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

#Approximate significance of smooth terms:
#  edf Ref.df     F p-value    
#s(depth) 3.691  3.691 43.12  <2e-16 ***
#  ---
#  Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
#
#R-sq.(adj) =  0.0725   
#Scale est. = 0.036163  n = 1000

ranef(example$lme)$stations[[1]] # extract random intercepts
#se.ranef(example$lme) # extract se of random intercepts - Problem line - doesn't work?

Answer 1

我对nlme::lme的内部运作没有期待，但我不认为从该模型中获得您想要的东西很容易 - ranef()方法不允许返回随机效应的后验或条件方差，这与lmer()和co所适用的模型的方法不同。

有两种选择让人想起

1. 使用gamm4:gamm4()拟合模型，其中对象的混合模型面应与se.ranef()一起使用，或
2. 使用随机效果基础将模型与gam()拟合。

设置

library("mgcv")
library("gamm4")
library("arm")

library("ggplot2")
library("cowplot")
theme_set(theme_bw())

选项1：gamm4::gamm4()

这是您的模型直接翻译为gamm4::gamm4()

所需的语法

quakes <- transform(quakes, fstations = factor(stations))

m1 <- gamm4::gamm4(mag ~ s(depth), random = ~ (1 | fstations),
                   data = quakes)
re1 <- ranef(m1$mer)[["fstations"]][,1]
se1 <- se.ranef(m1$mer)[["fstations"]][,1]

注意我将stations转换为因子mgcv::gam需要一个因子来适应随机截距。

选项2：mgcv::gam()

为此我们使用随机效应基础。惩罚样条模型的理论表明，如果我们以特定的方式编写数学，模型具有与混合模型相同的形式，基础的摇摆部分充当随机效应，并且使用基础的无限平滑部分作为固定效应。相同的理论允许相反的过程;我们可以制定一个完全受到惩罚的样条基础，相当于随机效应。

m2 <- gam(mag ~ s(depth) + s(fstations, bs = "re"),
          data = quakes, method = "REML")

我们还需要做一些工作才能得到＆＃34;估计＆＃34;随机效应和标准误差。我们需要从模型中预测fstations的水平。我们还需要为模型中的其他项传递值，但由于模型是附加的，我们可以忽略它们的效果并且只是拉出随机效应。

newd <- with(quakes, data.frame(depth = mean(depth),
                                fstations = levels(fstations)))
p <- predict(m2, newd, type = "terms", se.fit = TRUE)
re2 <- p[["fit"]][ , "s(fstations)"]
se2 <- p[["se.fit"]][ , "s(fstations)"]

这些选项如何比较？

re <- data.frame(GAMM = re1, GAM = re2)
se <- data.frame(GAMM = se1, GAM = se2)

p1 <- ggplot(re, aes(x = GAMM, y = GAM)) +
  geom_point() +
  geom_abline(intercept = 0, slope = 1) +
  coord_equal() +
  labs(title = "Random effects")

p2 <- ggplot(se, aes(x = GAMM, y = GAM)) +
  geom_point() +
  geom_abline(intercept = 0, slope = 1) +
  coord_equal() +
  labs(title = "Standard errors")

plot_grid(p1, p2, nrow = 1, align = "hv")



＆＃34;估计＆＃34;是等价的，但在GAM版本中它们的标准误差稍大。