我想知道如何使用lme4
拟合多元线性混合模型。我使用以下代码拟合单变量线性混合模型:
library(lme4)
lmer.m1 <- lmer(Y1~A*B+(1|Block)+(1|Block:A), data=Data)
summary(lmer.m1)
anova(lmer.m1)
lmer.m2 <- lmer(Y2~A*B+(1|Block)+(1|Block:A), data=Data)
summary(lmer.m2)
anova(lmer.m2)
我想知道如何使用lme4
拟合多元线性混合模型。数据如下:
Block A B Y1 Y2
1 1 1 135.8 121.6
1 1 2 149.4 142.5
1 1 3 155.4 145.0
1 2 1 105.9 106.6
1 2 2 112.9 119.2
1 2 3 121.6 126.7
2 1 1 121.9 133.5
2 1 2 136.5 146.1
2 1 3 145.8 154.0
2 2 1 102.1 116.0
2 2 2 112.0 121.3
2 2 3 114.6 137.3
3 1 1 133.4 132.4
3 1 2 139.1 141.8
3 1 3 157.3 156.1
3 2 1 101.2 89.0
3 2 2 109.8 104.6
3 2 3 111.0 107.7
4 1 1 124.9 133.4
4 1 2 140.3 147.7
4 1 3 147.1 157.7
4 2 1 110.5 99.1
4 2 2 117.7 100.9
4 2 3 129.5 116.2
提前感谢您的时间和合作。
答案 0 :(得分:12)
通过简单地重新格式化数据,有时可以在nlme / lme4中令人满意地伪造,如
require(reshape)
Data = melt(data, id.vars=1:3, variable_name='Y')
Data$Y = factor(gsub('Y(.+)', '\\1', Data$Y))
> Data
Block A B Y value
1 1 1 1 1 135.8
2 1 1 2 1 149.4
3 1 1 3 1 155.4
4 1 2 1 1 105.9
5 1 2 2 1 112.9
6 1 2 3 1 121.6
...
然后在线性混合模型中包含新变量Y
。
但是,对于真正的多元广义线性混合模型(MGLMM),您可能需要sabreR
包或类似的包。该软件包附带了一本完整的书,使用R 的多元广义线性混合模型。如果您有订阅机构的代理,您甚至可以从http://www.crcnetbase.com/isbn/9781439813270免费下载。我会在那里向你推荐任何进一步的建议,因为这是一个多肉的主题,我非常新手。
答案 1 :(得分:5)
答案 2 :(得分:1)
Y
)添加到模型中。这里有3个下标i= 1...N
用于观察,j=1,...,4
用于块,h=1,2
用于相关var。但是你还需要将1级错误项强制为0(或接近零),我不确定lme4
。 Ben Bolker可能会提供更多信息。对于潜在的多变量模型,Goldstein(2011)第6章和第7章对此进行了更详细的描述。
IE
Y_hij = \ beta_ {01} z_ {1ij} + \ beta_ {02} z_ {2ij} + \ beta X + u_ {1j} z_ {1ij} + u_ {2j} z_ {2ij}
所以:
require(reshape2)
Data = melt(data, id.vars=1:3, variable_name='Y')
Data$Y = factor(gsub('Y(.+)', '\\1', Data$Y))
m1 <- lmer(value ~ Y + A*B + (1|Block) + (1|Block*A), data= Data)
# not sure how to set the level 1 variance to 0, @BenBolker
# also unclear to me if you're requesting Y*A*B instead of Y + A*B