전체 절편없이 lme4에서 다변량 혼합 모델의 계수를 해석하는 방법은 무엇입니까?


10

에 다변량 (즉, 다중 응답) 혼합 모델을 맞추려고합니다 R. 이외에도에서 ASReml-rSabreR(외부 소프트웨어가 필요) 패키지,에서만 가능한 것 같다 MCMCglmm. 에서 용지 수반 MCMCglmm패키지 (pp.6)를 러드 Hadfield의 하나의 긴 포맷 변수에 복수 응답 변수를 재 형성하고 전체적인 절편을 억제하는 등의 그러한 모델을 피팅하는 과정을 설명한다. 인터셉트를 억제하면 응답 변수의 각 레벨에 대한 계수 해석이 해당 레벨의 평균으로 변경됩니다. 위의 내용을 감안할 때 lme4?를 사용하여 다변량 혼합 모형을 적합시킬 수 있습니다 . 예를 들면 다음과 같습니다.

data(mtcars)
library(reshape2)
mtcars <- melt(mtcars, measure.vars = c("drat", "mpg", "hp"))
library(lme4)
m1 <- lmer(value ~ -1 + variable:gear + variable:carb + (1 | factor(carb)),
    data = mtcars)
summary(m1)
#  Linear mixed model fit by REML 
#  Formula: value ~ -1 + variable:gear + variable:carb + (1 | factor(carb)) 
#     Data: mtcars 
#   AIC   BIC logLik deviance REMLdev
#   913 933.5 -448.5    920.2     897
#  Random effects:
#   Groups       Name        Variance Std.Dev.
#   factor(carb) (Intercept) 509.89   22.581  
#   Residual                 796.21   28.217  
#  Number of obs: 96, groups: factor(carb), 6
#  
#  Fixed effects:
#                    Estimate Std. Error t value
#  variabledrat:gear  -7.6411     4.4054  -1.734
#  variablempg:gear   -1.2401     4.4054  -0.281
#  variablehp:gear     0.7485     4.4054   0.170
#  variabledrat:carb   5.9783     4.7333   1.263
#  variablempg:carb    3.3779     4.7333   0.714
#  variablehp:carb    43.6594     4.7333   9.224

이 모델의 계수를 어떻게 해석합니까? 이 방법이 일반 선형 혼합 모형에도 적용됩니까?

답변:


2

아이디어는 좋지만 예제에서는 각 특성에 대해 다른 인터셉트와 다른 임의 분산을 모델링하는 것을 잊었으므로 출력을 그대로 해석 할 수 없습니다. 올바른 모델은 다음과 같습니다.

m1 <- lmer(value ~ -1 + variable + variable:gear + variable:carb + (0 + variable | factor(carb))

이 경우 각 변수에 대한 고정 효과의 추정값을 얻을 수 있지만 (예 : 반응에 대한 variabledrat:gear예측 변수의 영향 ) 각 변수 에 대한 절편 (예 : response intercept ) 및 임의 값을 얻습니다. 각 변수의 분산과 변수 간의 상관 관계 :geardratvariabledratdrat

Groups       Name         Std.Dev. Corr     
 factor(carb) variabledrat 23.80             
              variablempg  24.27    0.20     
              variablehp   23.80    0.00 0.00
 Residual                  23.80       

이 방법들에 대한 더 자세한 설명은 Ben Bolker에 의해 작성되었으며 MCMCglmm베이지안 프레임 워크에서 의 사용에 관한 것입니다 . 또 다른 새로운 패키지 mcglm는 비정규 응답에서도 다변량 모델을 처리 할 수 ​​있지만 임의의 설계 행렬을 코딩해야합니다. 자습서가 곧 제공 될 예정입니다 (R 도움말 페이지 참조).

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.