2

我试图用大量预测变量拟合模型，这样在模型公式中列举它们会很乏味。使用 lm() 很简单：

indicatorMatrix <- data.frame(matrix(rbinom(26000, 1, 1/3), ncol = 26))
colnames(indicatorMatrix) <- LETTERS
someDV <- rnorm(nrow(indicatorMatrix))

head(indicatorMatrix) 

# One method, enumerating variables by name:
olsModel1 <- lm(someDV ~ A + B + C + D,  # ...etc.
               data = indicatorMatrix)

# Preferred method, including the matrix of predictors:
olsModel2 <- lm(someDV ~ as.matrix(indicatorMatrix))
summary(olsModel2)

由于我有大量的预测变量（超过本发明示例中的 26 个），我不想像第一个示例（someDV ~ A + B + C + D...）中那样单独列出它们，我可以通过仅包括预测变量来避免这种情况as.matrix。

但是，我想拟合一个混合效果模型，如下所示：

library(lme4)
meModel1 <- lmer(someDV ~ (1 | A) + (1 | B) + (1 | C),  # ...etc.
                 data = indicatorMatrix)
summary(meModel1)

除了我想包含大量随机效应项。而不是必须键入(1 | A) ... (1 | ZZZ)，我想以类似于olsModel2上面使用的矩阵方法的方式包含每个预测变量。显然，以下内容不起作用：

meModel2 <- lmer(someDV ~ (1 | as.matrix(indicatorMatrix)))

您对如何使用 lmer() 最好地复制随机效应的矩阵预测器方法有什么建议吗？我非常愿意考虑“实用”的解决方案（即黑客），只要它们是“程序化的”并且不需要我复制和粘贴等。

在此先感谢您的时间。

4

1 回答 1

2

我认为将公式构造为字符串然后使用as.formula类似于

restring1 <- paste0("(1 | ",colnames(indicatorMatrix),")",collapse="+")
form <- as.formula(paste0("someDV ~",restring1))
meModel1 <- lmer(form, data = data.frame(someDV,indicatorMatrix))

应该可以工作（无论如何它在我的系统上运行而不会抱怨......）

于 2012-10-04T23:20:49.510 回答