使用预定义参数

时间:2018-08-20 20:20:53

标签: r simulation lme4 mixed-models

我正在尝试模拟使用以下公式表示的模型的数据:
lme4::lmer(y ~ a + b + (1|subject), data),但具有一组给定的参数:

  • a <- rnorm()subject级(例如nSubjects = 50)衡量
  • y是在观察级别(例如,每个nObs = 7的{​​{1}}
  • subjectb <- rnorm()级别进行测量,并在给定的observationr之间建立关联
  • a中随机效应的变异率固定为例如50/50或10/90(依此类推)
  • 存在一些随机噪声(因此完整的模型无法解释所有方差)
  • 固定效果的效果大小可以设置为预定义的级别(例如lmer(y ~ 1 + (1 | subject), data)

我使用了dCohen=0.5powerlmmsimstudy之类的各种程序包,但仍然找不到能够容纳我想预先定义的参数数量的有效解决方案。

出于我的学习目的,我更喜欢基础R方法而不是软件包解决方案。

我找到的最接近的示例是Ben Ogorek "Hierarchical linear models and lmer"的博客帖子,看起来不错,但是我不知道如何控制上面列出的参数。

任何帮助将不胜感激。 另外,如果有我不知道的软件包可以进行此类模拟,请告诉我。

1 个答案:

答案 0 :(得分:2)

有关模型定义的一些问题:

  • 我们如何指定两个不同长度的随机向量之间的相关性?我不确定:我将采样350个值(nObs*nSubject)并丢弃大部分值以达到主体级效果。
  • 不确定此处的“差异比率”。根据定义,theta参数(随机效应的标准偏差)由残差标准偏差(sigma)缩放,例如如果sigma=2theta=2,则剩余std dev为2,而主体间std dev为4

定义参数/实验设计值:

nSubjects <- 50
nObs <- 7
## means of a,b are 0 without loss of generality
sdvec <- c(a=1,b=1)
rho <- 0.5  ## correlation
betavec <- c(intercept=0,a=1,b=2)
beta_sc <- betavec[-1]*sdvec  ## scale parameter values by sd
theta <- 0.4  ## = 20/50
sigma <- 1

设置数据框:

library(lme4)      
set.seed(101)
## generate a, b variables
mm <- MASS::mvrnorm(nSubjects*nObs,
          mu=c(0,0),
          Sigma=matrix(c(1,rho,rho,1),2,2)*outer(sdvec,sdvec))
subj <- factor(rep(seq(nSubjects),each=nObs))  ## or ?gl
## sample every nObs'th value of a
avec <- mm[seq(1,nObs*nSubjects,by=nObs),"a"]
avec <- rep(avec,each=nObs)  ## replicate
bvec <- mm[,"b"]
dd <- data.frame(a=avec,b=bvec,Subject=subj)

模拟:

dd$y <- simulate(~a+b+(1|Subject),
               newdata=dd,
               newparams=list(beta=beta_sc,theta=theta,sigma=1),
               family=gaussian)[[1]]