답변:
기본 분산 공분산 구조는 비 구조적입니다. 즉, 벡터 랜덤 효과에 대한 분산 공분산 행렬에 대한 유일한 제약 그 수준은 양의 명확한 것입니다. 별도의 임의 효과 측면에서는 절편과 기울기 (반드시 좋은 아이디어) 상관 무작위 절편과 기울기를 가진 모델 수식을 사용할 수 있습니다 (예)를 맞게 원하는 그렇다면, 그러나, 독립적 인 것으로 간주됩니다 (1|g) + (0+x|g), 어디 g는 IS 그룹화 인자; 0번째 항에서의 도청을 억제한다. 범주 형 변수의 독립적 인 매개 변수를 맞추려면 (다시 의심스러운 경우) 숫자 더미 변수를 직접 작성해야합니다. 계수를 중첩 된 그룹화 변수로 처리하여 (비음 수 공분산 만있는 경우에도) 복합 대칭 분산 공분산 구조를 구성 할 수 있습니다. 예를 들어 f요인 인 경우(1|g/f)의 수준간에 동일한 상관 관계가 있다고 가정 f합니다.
다른 / 더 복잡한 분산 공분산 구조의 경우, (R에서) 선택은 (1) nlme( pdMatrix더 많은 유연성을 허용 하는 생성자 가있는 ) 사용입니다 . (2) 사용 MCMCglmm(비 구조화, 복합 대칭, 다른 분산을 갖는 동일성 또는 균일 한 분산을 갖는 동일성을 포함하는 다양한 구조를 제공); (3) pedigreemm특수 구조화 된 매트릭스를 구성하는 것과 같은 특수 목적 패키지를 사용하십시오 . flexLambdagithub에는 결국이 방향으로 더 많은 기능을 제공하기를 희망 하는 지점이 있습니다.
나는 이것을 예로 보여줄 수있다.
공분산 항은 고정 및 랜덤 효과와 동일한 공식으로 지정됩니다. 공분산 항은 수식 작성 방법에 따라 지정됩니다.
예를 들면 다음과 같습니다.
glmer(y ~ 1 + x1 + (1|g) + (0+x1|g), data=data, family="binomial")여기에는 무작위로 변할 수있는 두 가지 고정 효과와 하나의 그룹화 요소가 g있습니다. 두 개의 임의 효과는 자체 항으로 구분되므로 공분산 항은 그 사이에 포함되지 않습니다. 즉, 분산 공분산 행렬의 대각선 만 추정됩니다. 두 번째 항의 0은 임의의 가로 채기 항을 추가하지 않거나 기존의 임의의 가로 채기가와 달라 지도록 명시 적으로 말합니다 x1.
두 번째 예 :
glmer(y ~ 1 + x1 + (1+x1|g), data=data, family="binomial")여기에서 x11 + x1 | g가 모두 같은 항에 포함되므로 절편과 랜덤 효과 사이의 공분산 이 지정됩니다. 다시 말해, 분산-공분산 구조에서 가능한 3 가지 모수가 모두 추정됩니다.
약간 더 복잡한 예 :
glmer(y ~ 1 + x1 + x2 + (1+x1|g) + (0+x2|g), data=data, family="binomial")여기서 인터셉트와 x1랜덤 효과는 서로 변할 수 있으며 x2랜덤 효과와 다른 두 효과 사이에는 제로 상관이 부과 됩니다. 다시 a 0는 x2랜덤 효과 항에 포함되어 랜덤 효과를 갖는 코바 리에 대한 임의의 인터셉트를 명시 적으로 피하는 것을 피한다 x2.
xxM패키지도 훌륭하지만 더 복잡한 옵션이므로 구조 방정식 모델링이 가능 하다는 점을 지적 할 가치 가 있습니다. xxm.times.uh.edu