Question

我正在尝试对下面的混合效应逻辑回归模型进行诊断。

mod <- lmer(CEever ~    (1|SL)  
        + birthWeightCat 
        + AFno
        + FRAgeY*factor(genCat)
        + damGirBir
        + factor(YNSUPPLEM), 
        data=Data,  family="binomial")

此模型的数据采用以下形式：

head(data)

         CalfID CEever birthWeightCat AFno FRAgeY damGirBir YNSUPPLEM
305 CA010110001      1            <20    2     48     140.0         1
306 CA010110002      1          21-25    1     45     144.0         0
307 CA010110004      0          21-25    1     47     151.5         0
308 CA010110005      0            <20    2     71     147.0         0
309 CA010110006      0            <20    1     57     141.5         1
310 CA010110007      0            <20    1     53     141.5         1

我可以绘制残差：

res <- resid(mod) 
plot(res)

....但是无法获得杠杆或Cook的距离和Dfbeta的值。

首先是这些有用的技术用于此模型类型，然后如果是这样的话，人们用什么代码来获取这些值。

Answer 1

查看CRAN的influence.ME package。

Answer 2

alt.est <- influence(modJ, group = "SL")

将生成一个estex对象，您可以从中导出dfbetas，cooks d等。

alt.est.cooks <- cooks.distance(alt.est)
alt.est.dfB <- dbetas(alt.est)

在r项目中使用lmer（）诊断混合效应逻辑回归模型

2 个答案: