Question

我有一个具有固定和随机效果的mer对象。如何提取随机效应的方差估计？这是我的问题的简化版本。

study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
study

这会产生很长的输出 - 在这种情况下不会太长。无论如何，我如何明确选择

Random effects:
Groups   Name        Variance Std.Dev.
Subject  (Intercept) 1378.18  37.124  
Residual              960.46  30.991

部分输出？我想要自己的价值观。

我长期关注

str(study)

那里什么都没有！还检查了lme4包中的任何提取器功能都无济于事。请帮忙！

Answer 1

其他一些答案是可行的，但我声称最好的答案是使用专为此设计的访问者方法 - VarCorr（这与lme4中的相同前身，nlme包。）

lme4的最新版本中的

更新（版本1.1-7，但以下所有内容可能适用于版本＆gt; = 1.0），VarCorr比以前更灵活，并且应该做你想做的一切，而不是在拟合的模型对象内进行钓鱼。

library(lme4)
study <- lmer(Reaction ~ Days + (1|Subject), data = sleepstudy)
VarCorr(study)
##  Groups   Name        Std.Dev.
##  Subject  (Intercept) 37.124  
##  Residual             30.991

默认情况下，VarCorr()会打印标准偏差，但如果您愿意，可以获取差异：

print(VarCorr(study),comp="Variance")
##  Groups   Name        Variance
##  Subject  (Intercept) 1378.18 
##  Residual              960.46

（comp=c("Variance","Std.Dev.")将同时打印）。

为了获得更大的灵活性，您可以使用as.data.frame方法转换VarCorr对象，该对象提供分组变量，效果变量以及方差/协方差或标准偏差/相关性：

as.data.frame(VarCorr(study))
##        grp        var1 var2      vcov    sdcor
## 1  Subject (Intercept) <NA> 1378.1785 37.12383
## 2 Residual        <NA> <NA>  960.4566 30.99123

最后，VarCorr对象的原始形式（如果你不需要，你可能不应该把它弄乱）是一个方差 - 协方差矩阵列表，其中附加（冗余）信息编码标准差和相关性，以及给出残差标准差的属性（"sc"），并指定模型是否具有估计的比例参数（"useSc"）。

unclass(VarCorr(fm1))
## $Subject
##             (Intercept)      Days
## (Intercept)  612.089748  9.604335
## Days           9.604335 35.071662
## attr(,"stddev")
## (Intercept)        Days 
##   24.740448    5.922133 
## attr(,"correlation")
##             (Intercept)       Days
## (Intercept)  1.00000000 0.06555134
## Days         0.06555134 1.00000000
## 
## attr(,"sc")
## [1] 25.59182
## attr(,"useSc")
## [1] TRUE
##

Answer 2

lmer返回一个S4对象，所以这应该有效：

remat <- summary(study)@REmat
print(remat, quote=FALSE)

打印哪些：

 Groups   Name        Variance Std.Dev.
 Subject  (Intercept) 1378.18  37.124  
 Residual              960.46  30.991

...通常，您可以查看“mer”对象的print和summary方法的来源：

class(study) # mer
selectMethod("print", "mer")
selectMethod("summary", "mer")

Answer 3

> attributes(summary(study))$REmat
 Groups     Name          Variance  Std.Dev.
 "Subject"  "(Intercept)" "1378.18" "37.124"
 "Residual" ""            " 960.46" "30.991"

Answer 4

这个答案很大程度上是基于@Ben Bolker的答案，但是如果人们是新手并且自己想要值，而不是仅仅打印值（如OP似乎想要的），则可以提取值如下：

将VarCorr对象转换为数据框。

re_dat = as.data.frame(VarCorr(study))

然后访问每个单独的值：

int_vcov = re_dat[1,'vcov']
resid_vcov = re_dat[2,'vcov']

使用此方法（在创建的日期框中指定行和列），您可以访问所需的任何值。

Answer 5

此软件包可用于此类（https://easystats.github.io/insight/reference/index.html）

library("insight")

get_variance_random(study) #Where study is your fit mixed model

Answer 6

另一种可能是

sum <- summary (study)
var <- data.frame (sum$varcor)

Answer 7

尝试

attributes(study)

举个例子：

> women
   height weight
1      58    115
2      59    117
3      60    120
4      61    123
5      62    126
6      63    129
7      64    132
8      65    135
9      66    139
10     67    142
11     68    146
12     69    150
13     70    154
14     71    159
15     72    164

> lm1 <- lm(height ~ weight, data=women)
> attributes(lm1)
$names
 [1] "coefficients"  "residuals"     "effects"       "rank"         
 [5] "fitted.values" "assign"        "qr"            "df.residual"  
 [9] "xlevels"       "call"          "terms"         "model"        

$class
[1] "lm"

> lm1$coefficients
(Intercept)      weight 
 25.7234557   0.2872492 

> lm1$coefficients[[1]]

[1] 25.72346


> lm1$coefficients[[2]]

[1] 0.2872492

结束。

从lme4 mer模型对象中提取随机效应方差

7 个答案: