Ich versuche, ein multivariates (dh Mehrfachantwort-) Mischmodell einzubauen R
. Abgesehen von den ASReml-r
und SabreR
-Paketen (für die externe Software erforderlich ist) scheint dies nur in möglich zu sein MCMCglmm
. In dem Papier , das die begleitet MCMCglmm
Paket (pp.6) beschreibt Jarrod Hadfield den Prozess des Anpassens ein solches Modell , wie wie mehrere Antwortvariablen in ein Langformat variable Umformen und dann die Gesamt intercept unterdrückt wird . Mein Verständnis ist, dass das Unterdrücken des Abschnitts die Interpretation des Koeffizienten für jede Ebene der Antwortvariablen so ändert, dass sie der Mittelwert für diese Ebene ist. Ist es daher vor diesem Hintergrund möglich, ein multivariates gemischtes Modell mit lme4
? Zum Beispiel:
data(mtcars)
library(reshape2)
mtcars <- melt(mtcars, measure.vars = c("drat", "mpg", "hp"))
library(lme4)
m1 <- lmer(value ~ -1 + variable:gear + variable:carb + (1 | factor(carb)),
data = mtcars)
summary(m1)
# Linear mixed model fit by REML
# Formula: value ~ -1 + variable:gear + variable:carb + (1 | factor(carb))
# Data: mtcars
# AIC BIC logLik deviance REMLdev
# 913 933.5 -448.5 920.2 897
# Random effects:
# Groups Name Variance Std.Dev.
# factor(carb) (Intercept) 509.89 22.581
# Residual 796.21 28.217
# Number of obs: 96, groups: factor(carb), 6
#
# Fixed effects:
# Estimate Std. Error t value
# variabledrat:gear -7.6411 4.4054 -1.734
# variablempg:gear -1.2401 4.4054 -0.281
# variablehp:gear 0.7485 4.4054 0.170
# variabledrat:carb 5.9783 4.7333 1.263
# variablempg:carb 3.3779 4.7333 0.714
# variablehp:carb 43.6594 4.7333 9.224
Wie würde man die Koeffizienten in diesem Modell interpretieren? Würde diese Methode auch für verallgemeinerte lineare gemischte Modelle funktionieren?