我目前正在测试是否应该在我的lmer模型中包含某些随机效应。我用了anova函数。到目前为止,我的过程是用函数调用lmer()和REML=TRUE (默认选项)来拟合模型。然后,我在两个模型上调用anova(),其中一个模型包含要测试的随机效应,而另一个模型没有。然而,众所周知,anova()函数用ML来修改模型,但是在新版本的anova()中,您可以通过设置选项refit=FALSE来阻止anova()这样做。为了测试随机效应,是否应该在调用refit=FALSE时设置anova() or not? (如果设置了refit=FALSE,则p值往往较低)。当我设置refit=FALSE时,p值
我试图从在logLik中使用最大似然(ML)拟合的HLM的模型summary中访问AIC、BIC、lme4::lmer和偏差数据,并与与限制最大似然(REML)基本相同的模型相结合。从lmer和summary返回的对象的结构很混乱,我无法知道这些数据是在哪里/如何存储的。
更新:基于我得到的响应,我更新了代码以反映所取得的进展:
代码示例:
# Least working example
library(lme4)
library(lmerTest)
df <- lme4::sleepstudy
names(df)
# Example model
model <- lmer(Rea
我有下面的字符串ID is a sample string remove to /0.10,我想以下面的字符串结束:ID/0.10。
这就是我想出来的。然而,我正在寻找一种更干净/更好的方式来做这件事。
#include <stdio.h>
#include <string.h>
int main ()
{
char str[] = "ID is a sample string remove to /0.10";
char *a = strstr(str, "ID");
char *b = strrchr (st
我在nlme包中用REML做线性混合效果模型拟合。这些代码对我来说是有效的:
# Linear mixed-effects model fit by REML (intercept and not slope)
x <- lme (DV ~ IV1 + IV2 + IV1*IV2, data=a.frame, random=~1|speaker)
summary(x)
# Linear mixed-effects model fit by REML (slope and no intercept)
x1 <- lme (DV ~ IV1 + IV2 + IV1*IV2, data
这是我的数据:
我今天启动了R,突然之间,我无法从回归模型中得到p值!lme4版本1.1.26
我仍然可以用sjPlot::tab_model(数据$DV1,p.val = "kr")获得它们。
library(lme4)
summary(lmer(dv1 ~ group + (1|id),
data=data,
REML=T))
Linear mixed model fit by REML ['lmerMod']
Formula: dv1 ~ group + (1 | id)
Data: regress
我试图在R中创建一个包装函数,它将向使用lmer()的混合效应线性回归模型提供一系列参数(响应、预测器、最大随机效应、参数)。我遇到的问题是如何使包装器函数具有足够的灵活性,以适应不同数量的参数。我不知道如何做到这一点,没有硬编码参数的函数(x1,x2,x3等)。当我们考虑最大随机效应,包括随机斜率和拦截(slope|intercept)的随机效应时,这种情况就显得尤为复杂。如果你能给我建议,我将不胜感激。
#re.list should be a list of tuples (slope|intercept)
lmer.wrap(df, resp, feature.list, re.lis
为什么基于渐近正态的confint.default不适用于lmer模型?
fit <- lmer(y~(1|operator)+(1|part),data=dat)
Linear mixed model fit by REML ['lmerMod']
Formula: y ~ (1 | operator) + (1 | part)
Data: dat
REML criterion at convergence: 409.3913
Random effects:
Groups Name Std.Dev.
part (Intercept) 3.2
我是新来的,我试着运行一个lmer模型:
lmer = lmer(RI ~ SET + LOG_VP + (1|API) + (1|ODOUR), data = a)
有人能帮我解释一下输出吗?
Linear mixed model fit by REML ['lmerMod']
Formula: RI ~ SET + LOG_VP + (1 | API) + (1 | ODOUR)
Data: a
REML criterion at convergence: -349.9
Scaled residuals:
Min 1Q Median 3Q
我试图为函数使用字符串输入,然后需要在R中将其转换为可用的形式,例如:
我的职能如下:
MyFunction <- function(MyDataFrame){
Fit <- aov(VariableA ~ A * B * C, MyDataFrame)
model = lme(VariableA ~ A * B * C, random=~1| Sample, method="REML", MyDataFrame)
return(anova(model))
}
这个很好用。但是,有时我希望使用不同的公式来处理单个函数,以便我的“表达式”可以是"A * B
我是一个python人,在使用for循环时遇到了困难。我有一个列表,表示包含列(Sample_Name_Column、ComparisonColumn、MeasureA、MeasureB、MeasureC、MeasureD)的特定列的名称,我想要用于线性混合效果模型(使用nlme库)。因此我编写了一个简单的循环来尝试这样做:
list <- c("MeasureA","MeasureB","MeasureC","MeasureD")
for (i in list){
model = lme(i ~ ComparisonC
我为新手的问题道歉,但对lme4来说是个新手。我使用lme4来模拟由不同类型的土地利用组成的六个地点在三年内的生存情况,并已经使用REML排除了其他相互竞争的模型之后,产生了以下模型:
land1=lmer(asin(sqrt(prop_survival))~log(area_forage_uncult) + (1|site) + (1|year))
并编写了摘要:
Linear mixed model fit by REML ['lmerMod']
Formula: asin(sqrt(prop_survival)) ~ log(area_forage_uncult) + (