lme4中的多元线性混合模型

时间:2011-10-20 04:43:54

标签: r lme4

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。

3 个答案:

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)

lmer及其兄弟姐妹lme本身就是“一个参数剩下的〜”。看看汽车包装;它没有提供现成的重复测量支持,但您可以通过搜索R列表找到关于该主题的一些评论:

John Fox on car package

答案 2 :(得分:1)

<@> @ John在上面的回答应该是非常正确的。您将虚拟变量(即 - 因子变量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