In diesem Forum wird viel darüber diskutiert, wie verschiedene hierarchische Modelle richtig angegeben werden können lmer
.
Ich dachte, es wäre großartig, alle Informationen an einem Ort zu haben. Ein paar Fragen zum Starten:
- So legen Sie mehrere Ebenen fest, in denen eine Gruppe in der anderen verschachtelt ist:
(1|group1:group2)
oder(1+group1|group2)
? - Was ist der Unterschied zwischen
(~1 + ....)
und(1 | ...)
und(0 | ...)
etc.? - Wie spezifiziere ich Interaktionen auf Gruppenebene?
lme4
Paket finden Sie auf CRANlmer
ist wohl von allgemeinem statistischen Interesse und daher nicht nur eine Frage der Programmierung. Ich stimme daher dafür, diesen Thread offen zu halten.Antworten:
Angenommen, Sie haben die Variable V1, die durch die kategoriale Variable V2 vorhergesagt wird, die als zufälliger Effekt behandelt wird, und die stetige Variable V3, die als linearer fester Effekt behandelt wird. Unter Verwendung der früheren Syntax ist das einfachste Modell (M1):
Dieses Modell schätzt:
P1: Ein globaler Schnittpunkt
P2: Zufällige Effektabschnitte für V2 (dh für jede Ebene von V2 die Abweichung des Abschnitts dieser Ebene vom globalen Abschnitt)
P3: Eine einzelne globale Schätzung für den Effekt (Steigung) von V3
Das nächst komplexere Modell (M2) ist:
Dieses Modell schätzt alle Parameter aus M1, schätzt aber zusätzlich:
P4: Der Effekt von V3 in jeder Ebene von V2 (genauer gesagt, der Grad, in dem der V3-Effekt in einer bestimmten Ebene vom globalen Effekt von V3 abweicht), während eine Null-Korrelation zwischen den Intercept-Abweichungen und den V3-Effekt-Abweichungen über Ebenen hinweg erzwungen wird von V2 .
Diese letztere Einschränkung wird in einem endgültig komplexesten Modell (M3) gelockert:
Dabei werden alle Parameter von M2 geschätzt, während eine Korrelation zwischen den Abschnittsabweichungen und den V3-Effektabweichungen innerhalb von V2-Pegeln möglich ist. Somit wird in M3 ein zusätzlicher Parameter geschätzt:
P5: Die Korrelation zwischen Schnittabweichungen und V3-Abweichungen über Ebenen von V2
Normalerweise werden Modellpaare wie M2 und M3 berechnet und dann verglichen, um den Beweis für Korrelationen zwischen festen Effekten (einschließlich des globalen Abschnitts) zu evaluieren.
Fügen Sie nun einen weiteren festen Effektprädiktor hinzu, V4. Das Model:
würde schätzen:
P1: Ein globaler Schnittpunkt
P2: Eine einzelne globale Schätzung für den Effekt von V3
P3: Eine einzelne globale Schätzung für den Effekt von V4
P4: Eine einzelne globale Schätzung für die Wechselwirkung zwischen V3 und V4
P5: Abweichungen des Abschnitts von P1 in jeder Ebene von V2
P6: Abweichungen des V3-Effekts von P2 in jeder Stufe von V2
P7: Abweichungen des V4-Effekts von P3 in jeder Stufe von V2
P8: Abweichungen der V3-durch-V4-Wechselwirkung von P4 in jeder Ebene von V2
P9 Korrelation zwischen P5 und P6 über Ebenen von V2
P10 Korrelation zwischen P5 und P7 über Ebenen von V2
P11 Korrelation zwischen P5 und P8 über Ebenen von V2
P12 Korrelation zwischen P6 und P7 über Ebenen von V2
P13 Korrelation zwischen P6 und P8 über Ebenen von V2
P14 Korrelation zwischen P7 und P8 über Ebenen von V2
Puh , das sind viele Parameter! Und ich habe mir nicht einmal die Mühe gemacht, die vom Modell geschätzten Varianzparameter aufzulisten. Wenn Sie eine kategoriale Variable mit mehr als 2 Ebenen haben, die Sie als festen Effekt modellieren möchten, werden Sie anstelle eines einzelnen Effekts für diese Variable immer k-1-Effekte schätzen (wobei k die Anzahl der Ebenen ist). Dadurch wird die Anzahl der vom Modell zu schätzenden Parameter noch weiter explodiert.
quelle
lmer
Y~X+Z+(1|group)+(0+X|Z)
group
Der allgemeine Trick ist, wie in einer anderen Antwort erwähnt , dass die Formel der Form folgt
dependent ~ independent | grouping
. Diesgrouping
ist im Allgemeinen ein Zufallsfaktor. Sie können feste Faktoren ohne Gruppierung einschließen und Sie können zusätzliche Zufallsfaktoren ohne festen Faktor haben (ein reines Intercept-Modell). Ein+
zwischen Faktoren zeigt keine Wechselwirkung an, ein*
zeigt Wechselwirkung an.Für Zufallsfaktoren haben Sie drei Grundvarianten:
(1 | random.factor)
(0 + fixed.factor | random.factor)
(1 + fixed.factor | random.factor)
Beachten Sie, dass bei Variante 3 die Steigung und der Achsenabschnitt in derselben Gruppierung, dh zur selben Zeit, berechnet werden. Wenn wir wollen, dass die Steigung und der Achsenabschnitt unabhängig voneinander berechnet werden, dh ohne angenommene Korrelation zwischen den beiden, brauchen wir eine vierte Variante:
(1 | random.factor) + (0 + fixed.factor | random.factor)
. Eine alternative Möglichkeit, dies zu schreiben, ist die Verwendung der Doppelstrichnotationfixed.factor + (fixed.factor || random.factor)
.Es gibt auch eine schöne Zusammenfassung in einer anderen Antwort auf diese Frage, die Sie sich ansehen sollten.
Wenn Sie ein wenig in die Mathematik vertiefen wollen, haben Barr et al. (2013) fassen die
lmer
Syntax in ihrer Tabelle 1 recht gut zusammen, die hier angepasst wurde, um die Einschränkungen des tabellenlosen Abzeichnens zu erfüllen. Das Papier befasste sich mit psycholinguistischen Daten, also sindSubject
und die beiden zufälligen EffekteItem
.Modelle und äquivalente
lme4
Formelsyntax:Y ∼ X+(1∣Subject)
Y ∼ X+(1 + X∣Subject)
Y ∼ X+(1 + X∣Subject)+(1∣Item)
Y ∼ X+(1∣Subject)+(1∣Item)
Y ∼ X+(1∣Subject)+(0 + X∣ Subject)+(1∣Item)
Y ∼ X+(0 + X∣Subject)+(1∣Item)
Verweise:
Barr, Dale J., R. Levy, C. Scheepers und HJ Tily (2013). Random-Effects-Struktur für das Testen von Bestätigungshypothesen: Halten Sie sie maximal . Journal of Memory and Language, 68: 255– 278.
quelle
Das
|
Symbol kennzeichnet einen Gruppierungsfaktor bei gemischten Methoden.Nach Pinheiro & Bates:
Je nachdem, in welcher Methode Sie eine Analyse mit gemischten Methoden durchführen
R
, müssen Sie möglicherweise eingroupedData
Objekt erstellen, um die Gruppierung in der Analyse verwenden zu können (siehenlme
Paket für Details,lme4
scheint dies nicht zu benötigen). Ich kann nicht mit der Art und Weise sprechen, wie Sie Ihrelmer
Modellanweisungen angegeben haben, da ich Ihre Daten nicht kenne. Ein Mehrfaches(1|foo)
in der Modellreihe zu haben, ist jedoch ungewöhnlich, was ich gesehen habe. Was versuchst du zu modellieren?quelle