基于嵌套glmer模型的仿真
基于嵌套glmer模型的仿真
提问于 2015-09-19 13:41:48
在处理随机效应时，我遇到了从3级glmer模型生成模拟的问题(我实际上使用的是通过bootMer进行预测的方法，但问题是相同的)。
这样做是可行的：
library(lme4)
fit1 = glmer(cbind(incidence, size - incidence) ~ period + (1 | herd),
data = cbpp, family = binomial)
simulate(fit1, re.form=NULL)这是失败的：
cbpp$bigherd = rep(1:7, 8)
fit2 = glmer(cbind(incidence, size - incidence) ~ period + (1 | bigherd / herd),
data = cbpp, family = binomial)
simulate(fit2, re.form=NULL)
Error: No random effects terms specified in formula非常感谢你的任何想法。
更新
本，非常感谢你在下面的帮助，真的很感激。我想知道我能不能再给你加把劲。
我想要做的是在反应尺度上模拟预测，我不确定我是否可以利用你的工作？或者除了我正在做的事情之外还有别的选择。谢谢!
这如预期的那样工作，但不以随机效应为条件：
FUN = function(.){
predict(., type="response")
}
bootMer(fit2, FUN, nsim=3)$t这是行不通的，就像上面提到的问题一样：
bootMer(fit2, FUN, nsim=3, use.u=TRUE)$t据我所见，我无法将re.form传递给bootMer。
下面的替代方案是否在不将use.u传递给bootMer的情况下以随机效应为条件进行模拟预测？
FUN = function(.){
predict(., type="response", re.form=~(1|herd:bigherd) + (1|bigherd))
}
bootMer(fit2, FUN, nsim=10)$t回答 1
Stack Overflow用户
回答已采纳
发布于 2015-09-19 16:33:49
我还不知道发生了什么，但这里有两个解决办法：
simulate(fit2, re.form=lme4:::reOnly(formula(fit2)))
simulate(fit2, re.form=~(1|herd:bigherd) + (1|bigherd))“斜杠”一词的扩展一定出了什么问题，因为这是行不通的：
simulate(fit2, re.form=~(1|bigherd/herd))我把这个贴在lme4问题上了
在当前的CRAN版本(1.1-9)中，这些解决方案不适用于bootMer (它只使用use.u参数，而不是re.form)。
它是固定的在开发版本上的Github (1.1-10)：devtools::install_github("lme4/lme4")将安装它，如果你有编译工具安装。
同时，您可以继续实现您自己的参数引导带(对于参数引导，bootMer实际上是一个非常瘦的simulate()/[refit()orupdate()]/FUN`).包装器。很多复杂的事情都与并行计算有关(如果您想要在您自己的PB实现中进行并行计算，则必须将其中的一些添加回并行计算中)。
这是一个手摇参数引导程序的轮廓：
nboot <- 10
nresp <- length(FUN(orig_fit))
res <- matrix(NA,nboot,nresp)
for (i in 1:nboot) {
res[i,] <- FUN(update(orig_fit,data=simulate(orig_fit,...)))
## or use refit() for LMMs
## ... are options to simulate()
}
t(apply(res,2,quantile,c(0.025,0.975)))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/32668893
复制相关文章
相似问题
腾讯云开发者
