Question

我有一个与此相似的模型：

model=lmer(y ~ (1|ID) + Factor.A + Factor.B, data=df)

我想获得随机效果的解决方案，但是我只能使用以下代码来获得固定效果的解决方案：

coef(summary(model))
summary(model)

我也尝试过此代码：

coef(model)

但是我想这个输出不是为了解决随机效应。是否有代码使用lme4或其他软件包来获得随机效果的解决方案？

Answer 1

我认为清楚地说明您的问题，而您想做的事情会有所帮助。但是，基于这些评论，我想我知道您要做什么。

如@Marius所说，ranef(model)将为您提供拦截器。

软件包arm具有se.ranef功能，可为您提供“标准错误”。我不确定如何计算。请查看此链接以确保它正在执行您想要的操作：

https://rdrr.io/cran/arm/man/se.coef.html

所以在一起：

library(lme4)
model=lmer(y ~ (1|ID) + Factor.A + Factor.B, data=df)

ranef(model)

library(arm)
se.ranef(model)

Answer 2

仅使用lme4包，您可以最方便地通过as.data.frame(ranef(fitted_model))获取条件模式和条件标准偏差：

library(lme4)
fm1 <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
as.data.frame(ranef(fm1))
##     grpvar        term grp     condval    condsd
## 1  Subject (Intercept) 308   2.2575329 12.070389
## 2  Subject (Intercept) 309 -40.3942719 12.070389
## 3  Subject (Intercept) 310 -38.9563542 12.070389
## ... etc.

我不确定我是否会称呼这些“标准错误”-这里有很多蠕虫，它们可以根据观察到的随机变量的条件值做出什么样的推断……根据{{3 }}

关于术语，我更喜欢称数量为由ranef提取器返回“随机的条件模式效果”。如果要精确，这些是条件模式（对于线性混合模型，它们也是条件手段）给定Y = y的随机效应B，以参数估算值评估。在给定Y的情况下，还可以评估B的条件方差-协方差 = y，因此获得了预测间隔。

如何使用软件包lme4获得随机效果的解决方案？

2 个答案: