1

这是上一篇文章（如何修改插槽 lme4 >1.0 ）的后续问题。我有一个类似的成对数据结构，并希望随机效应考虑成对中的两个“pops”。我使用之前建议的代码有一个功能性随机拦截模型：

dat <- data.frame(pop1 = c(2,1,1,1,1,3,2,2,2,3,5,3,5,4,6),
              pop2 = c(1,3,4,5,6,2,4,5,6,4,3,6,4,6,5), 
              X = c(20,25,18,40,36,70,68,72,78,76,97,100,115,110,108),
              Y = c(18,16,15,40,22,18,18,18,18,45,10,47,67,5,6))
#build random effects matrix
Zl<-lapply(c("pop1","pop2"),function(nm)Matrix:::fac2sparse(dat[[nm]],"d",drop=FALSE))
ZZ<-Reduce("+",Zl[-1],Zl[[1]])
#specify model structure
mod<-lFormula(Y~X+(1|pop1),data=dat,REML=TRUE)
#replace slot
mod$reTrms$Zt <- ZZ
#fit model
dfun<-do.call(mkLmerDevfun,mod)
opt<-optimizeLmer(dfun)
mkMerMod(environment(dfun),opt,mod$reTrms,fr=mod$fr)

但是，当尝试添加随机斜率变量时：

mod2<-lFormula(Y~X+(1+X|pop1),data=dat,REML=TRUE)
mod2$reTrms$Zt <- ZZ
dfun<-do.call(mkLmerDevfun,mod2)

导致上一篇文章中发现的相同错误（问题是调用错误的数据框）：“Lambdat %*% Ut 中的错误：Cholmod 错误'A 和 B 内部尺寸必须匹配'在文件 ../MatrixOps/cholmod_ssmult .c，第 82 行"

查看每个流行音乐的 lm

plot(1,type="n",xlim=c(0,150),ylim=c(0,75),ylab = "Y",xlab="X")
for(i in 1:length(unique(c(dat$pop1,dat$pop2)))){
  subdat<-dat[which(dat$pop1==i | dat$pop2==i),]
  out<-summary(lm(subdat$Y~subdat$X))
  x=subdat$X
  y=x*out$coefficients[2,1]+out$coefficients[1,1]
  lines(x,y,col=i))
}
legend(125,60,1:6,col=1:6,lty=1,title="Pop")
4

1 回答 1

2 
dat <- data.frame(pop1 = c(2,1,1,1,1,3,2,2,2,3,5,3,5,4,6),
                pop2 = c(1,3,4,5,6,2,4,5,6,4,3,6,4,6,5), 
                X = c(20,25,18,40,36,70,68,72,78,76,97,100,115,110,108),
                Y = c(18,16,15,32,22,29,32,38,44,45,51,47,67,59,61))

尝试理解原始代码实际上在做什么会有所帮助：

## build random effects matrix
## 1. sparse dummy-variable matrices for each population ID
Zl <- lapply(dat[c("pop1","pop2")],
       Matrix::fac2sparse,to="d",drop.unused.levels=FALSE)
 ## 2. take the sum of all components of the list of dummy-variable matrices ...
ZZ <- Reduce("+",Zl[-1],Zl[[1]])

如果我们有一个很长的列表，该Reduce表格通常很方便，但它有助于看到在这种情况下它只是Zl[[1]]+Zl[[2]]......

all.equal(Zl[[1]]+Zl[[2]],ZZ) ## TRUE

这个 RE 结构是什么样的？

library(gridExtra)
grid.arrange(
   image(t(Zl[[1]]),main="pop 1",sub="",xlab="pop",ylab="obs"),
   image(t(Zl[[2]]),main="pop 2",sub="",xlab="pop",ylab="obs"),
   image(t(ZZ),main="combined",sub="",xlab="RE",ylab="obs"),
   nrow=1)

在此处输入图像描述 对于随机斜率，我认为我们想要获取的每个填充元素ZZ并将其替换X为对应观察/行观察到的值dat：这里的索引有点模糊 - 在这种情况下它归结为有 2 个填充值在Z/column 的每一行中Zt（@p稀疏矩阵的槽给出了一个零索引指针，指向每列中的第一个非零元素......）

vals <- dat$X[rep(1:(length(ZZ@p)-1),diff(ZZ@p))]
ZZX <- ZZ
ZZX@x <- vals
image(t(ZZX))

在此处输入图像描述

library(lme4)
mod <- lFormula(Y~X+(X|pop1),data=dat,REML=TRUE)
## replace slot
mod$reTrms$Zt <- rbind(ZZ,ZZX)
## fit model
dfun <- do.call(mkLmerDevfun,mod)
opt <- optimizeLmer(dfun)
m1 <- mkMerMod(environment(dfun),opt,mod$reTrms,fr=mod$fr)

这似乎可行，但你当然应该用你自己对这里应该发生的事情的了解来检查它......

于 2016-08-02T01:44:48.640 回答