随机效果库的截距(Sommer)
提问于 2018-09-15 20:49:04
当我运行这个混合模型时，我获得了所需的所有统计信息。
library(sommer)
data(example)
#Model without intercept - OK
ans1 <- mmer2(Yield~Env,
random= ~ Name + Env:Name,
rcov= ~ units,
data=example, silent = TRUE)
summary(ans1)
ans1$u.hat #Random effects但是，如果我尝试截取随机效果，比如在R库lme4中，我会得到如下错误：
Error in dimnames(x) <- dn :
length of 'dimnames' [2] not equal to array extent
#Model with intercept
ans2 <- mmer2(Yield~Env,
random= ~ 1+Name + Env:Name,
rcov= ~ units,
data=example, silent = TRUE)
summary(ans2)
ans2$u.hat #Random effects我该如何克服这个问题呢？
回答 2
Stack Overflow用户
发布于 2018-09-16 19:19:54
您的模型：
ans1 <- mmer2(Yield~Env,
random= ~ Name + Env:Name,
rcov= ~ units,
data=example, silent = TRUE)等同于：
ans1.lmer <- lmer(Yield~Env + (1|Name) + (1|Env:Name),
data=example)使用lme4。请注意，lme4使用符号(x|y)来指定，例如，对于第二项(y项)的每个级别，是否存在不同的截距(x项)，这是一个随机回归模型。如果指定：
ans2.lmer <- lmer(Yield~Env + (Env|Name),
data=example)您将获得三个方差分量，每个分量对应于Env术语中的三个级别。sommer中的等价物不是随机回归，而是使用diag()功能的异类方差模型：
ans2 <- mmer2(Yield~Env,
random= ~ diag(Env):Name,
rcov= ~ units,
data=example, silent = TRUE)
## or in sommer >=3.7
ans2 <- mmer(Yield~Env,
random= ~ vs(ds(Env),Name),
rcov= ~ units,
data=example, silent = TRUE)上面的前两个模型是等价的，因为两个模型都假设没有不同的截获，而后两个模型解决了相同的问题，但使用了两种不同的方法，但并不完全相同:随机回归与异质方差模型。
简而言之，sommer还没有实现随机回归，所以您不能像在lme4中那样在sommer中使用随机截获，而是使用异构方差模型。
干杯,
Stack Overflow用户
发布于 2018-09-15 20:58:57
我知道这不是一个优雅的解决方案，但是如何向数据添加截取，以便您可以轻松地在模型中使用它？
我的意思是：
example <- cbind(example, inter=1)
ans2 <- mmer2(Yield~Env,
random= ~ Name + Env:Name + inter, #here inter are 1's
rcov= ~ units,
data=example, silent = TRUE)
summary(ans2)
ans2$u.hat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/52348752
复制相关文章
点击加载更多
腾讯云开发者
