具有mgcv软件包的GAM随机效应的方差-协方差矩阵
具有mgcv软件包的GAM随机效应的方差-协方差矩阵
提问于 2018-01-10 00:08:26
使用lme4软件包提取随机效果和随机效果的方差-协方差矩阵如下：
library(lme4)
fm1 <- lmer(Reaction ~ Days + (1|Subject), sleepstudy)
fm1.rr <- ranef(fm1,condVar=TRUE)
fm1.pv <- attr(rr[[1]],"postVar")我想知道怎样才能用mgcv做到这一点？'gam.vcomp‘函数确实提取了估计的方差分量，但不是每个随机效应级别的方差分量。
library(mgcv)
fm2 <- gam(Reaction ~ Days + s (Subject, bs="re"), data = sleepstudy, method = "REML")
gam.vcomp(fm2)回答 2
Stack Overflow用户
回答已采纳
发布于 2018-01-11 22:57:45
library(lme4)
data(sleepstudy)
fm1 <- lmer(Reaction ~ Days + (1|Subject), sleepstudy)
fm1.rr <- ranef(fm1,condVar=TRUE)$Subject[,1]
fm1.pv <- sqrt(attr(ranef(fm1,condVar=TRUE) [['Subject']],"postVar")[1,1,])
library(mgcv)
fm2 <- gam(Reaction ~ Days + s (Subject, bs="re"),
data = sleepstudy, method = "REML")为每个Subject提取随机效果
idx <-grep("Subject", names(coef(fm2)))
fm2.rr<-coef(fm2)[idx]
attributes(fm2.rr)<-NULL我们可以看到，两个模型中的随机效果与预期相同。
为了提取随机效果的方差-协方差矩阵并计算误差，我们使用参数Vp，它是贝叶斯后验协方差矩阵：
fm2.pv <-sqrt(diag(fm2$Vp))[idx]或频率估计协方差矩阵Ve
fm2.pv <-sqrt(diag(fm2$Ve))[idx]我们可以看到，mgcv估计的随机效应误差与lme4模型估计的随机效应误差略有不同。基于贝叶斯后验协方差矩阵的误差较大，而基于频率矩阵的误差较小。
Stack Overflow用户
发布于 2018-06-06 06:46:46
您还可以使用gamm4包，它基于gamm包，但在下面使用lme4。该模型将拟合为：
fm3 <- gamm4(Reaction ~ Days, random = ~ (1|Subject), data = sleepstudy)随机效应和随机效应的方差-协方差矩阵可以通过正常的lme4过程得到。
fm3.rr <- ranef(fm3$mer,condVar=TRUE)
fm3.pv <- attr(fm3.rr[[1]],"postVar")[1,1,]但是，gamm4可能比gam慢得多，所以请阅读帮助文件，看看什么时候最适合您的需要。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/48172274
复制相关文章
相似问题
腾讯云开发者
