我想在eHOF包的HOF函数中考虑我的嵌套学习设计。我们在样本块中嵌套的点和在村庄中嵌套的点(随机)进行采样。
到目前为止,我使用GLMM来描述生境类型(生境,解释,固定)对物种丰富度的影响(SpR,响应变量,固定)。因此,我使用了lme ( nlme-package),在这里我可以将嵌套的学习设计包含在函数中:
model1<-lme(SpR~Habitat,random=~1|Village/Block,data=birds) # full model
现在,我想描述沿梯度对SpR的影响。我的HOF功能如下:
hof.blocks<-HOF(SpR,Indexc,M=max(S
我对一个被试重复测量实验的随机效应部分感到很困惑.我读过几篇文章和帖子,但观点不同。基本上,我有一个实验,两组(对照,实验)和一个内被试因素(刺激类型)和20个试验在每个条件。因此,两组中的每一位受试者都执行所有条件。
library(tidyverse)
within1 <- c("a", "b", "c")
rept <- 1:20 # trials
id <- 1:10 #10 subjects in each group
group <- c("control", "experiment&
我有三个时间序列变量(x,y,z)测量在3个重复.X和z是自变量。Y是因变量。T是时间变量。这三个变量均随昼夜变化而变化,白天增加,夜间下降。下面是一个使用模拟数据集的示例。
library(nlme)
library(tidyverse)
n <- 100
t <- seq(0,4*pi,,100)
a <- 3
b <- 2
c.unif <- runif(n)
amp <- 2
datalist = list()
for(i in 1:3){
y <- 3*sin(b*t)+rno
对于更复杂的实验设计,有几个关于混合模型的问题和帖子,所以我认为这个更简单的模型可以帮助其他初学者在这个过程中以及我。
因此,我的问题是,我想在sas proc混合程序的R中制定一个重复的度量方差:
proc mixed data=df1;
FitStatistics=akaike
class GROUP person day;
model Y = GROUP X1 / solution alpha=.1 cl;
repeated / type=cs subject=person group=GROUP;
lsmeans GROUP;
run;
下面是使用R中创建的数据的SAS输出(如下):
我有包含多种作物生长数据的数据集。实验治疗是在作物内(即我不是在比较作物之间),并且有一个随机的块设计,随着时间的推移,重复的测量。我想对R中的每一种不同作物运行相同的混合模型:
model<-lmer(response~treatment*time+(1|block), data=data)
我的数据集包含20种作物,我想提取所有固定的拦截和系数,所以单独运行模型是很烦人的。不知怎么的,我从其他一些帖子中得到了这样的印象:给定下面的公式,lmList将在每一种作物上运行一个单独但常见的混合模型。然而,现在检查了帮助页和更详细的输出,我认为它只是做了一个固定的效果线性模型(lm)。
mo
我曾经使用下面的代码来计算lmer模型的标准化系数。但是,随着新版本的lme,返回对象的结构发生了变化。
如何调整函数stdCoef.lmer使其与新的lme4版本一起工作?
# Install old version of lme 4
install.packages("lme4.0", type="both",
repos=c("http://lme4.r-forge.r-project.org/repos",
getOption("repos"
我有不同年份的儿童考试成绩和人口统计数据(纵向数据),需要在上面运行几个比较模型。我对如何在R中设置第1级和第2级变量感到困惑。
我的dataframe (df):
Student Year Gender Race MathScore DepressionScore MemoryScore
1 1999 M C 80 15 80
1 2000 M C 81 25 60
1 2001 M C 70
我想在MATLAB中计算线性混合效果模型(fitlme)中对比度的标准误差。
y = randn(100,1);
area = randi([1 3],100,1);
mea = randi([1 3],100,1);
sub = randi([1 5],100,1);
data = array2table([area mea sub y],'VariableNames',{'area','mea','sub','y'});
data.area = nominal(data.area,{'A',&