问题标签 [mixed-models]

我正在处理小样本数据：

其密度分布如下所示：

我知道这些值来自两个状态 - 低和高 - 并假设基础过程是正常的，我使用mixtools包来拟合双峰分布：

这给了我以下结果：（

实线是拟合曲线，虚线是原始密度）。

混合参数为：

我有以下问题：

1. 要生成一组近似于基础分布的新值，我的方法是正确的还是有更好的工作流程？
2. 如果我的方法是正确的，我如何使用这个结果从这个混合分布中生成一组随机值？

[我正在详细说明我的背景实验——我很清楚lmers 的方法，只是不清楚如何提取我需要的一些值/手动计算它们，因此我将其发布在 SO 而不是 CV 上。我希望这是发布的正确位置！]

数据在这里。

我的实验采用裂区设计，级别为：块/图/子图。

有6个街区。每个区块有 2 个地块，每个地块有两个子地块。处理 1 有两个级别（A 和 B）并应用于地块级别：在每个区块中，有一个地块接受处理 1 级别 A，一个地块接受处理 1 级别 B。

处理 2 应用于子小区级别，也有两个级别（C 和 D）：每个小区有一个子小区接受处理 2 级别 A，一个子小区接受处理 2 级别 B。

实验进行了 3 年。我很感兴趣这两种治疗方法的每种组合如何影响我的因变量 (DV)。

因此，我有 4 种治疗组合：

我在我的模型中使用 lmer 来解释裂区设计。我正在运行一个跨年模型，但也依次为每一年运行一个模型（因为实验中的复制不允许在跨年模型中测试年份效应 - 模型最终被过度参数化）。

lmer每年的s 如下所示：

对于这些处理均值随时间变化的图形表示，我想为每个处理的每个级别（请参阅上面的四个级别）提取每年的处理均值，并为实验的每一年绘制这些图，类似于这篇文章中的例子

我想知道，是否可以从一个对象中提取四种不同治疗组合（例如上面列出的那些）的治疗手段lmer？还是必须手工计算？

我认为这样做的一种方法是实际创建另一个代表 4 种治疗组合的因子（参见粘贴数据中的“TMT1x2”列）。然后我可以每年运行以下模型：

并以这种方式为 4 个级别中的每一个提取处理手段。但是我不确定这种方法是否适合控制裂区设计，因为这个新的 4 水平因子忽略了构成它的水平的嵌套性质（尽管随机效应不会忽略它）......

此外，如果我确实需要手动计算处理方法，有没有人知道如何计算我的实验中的嵌套水平？

我还想计算这些治疗手段中的每一个周围的误差线......

如果有人对此有任何见解，将不胜感激！

我正在尝试建立一个标准的translog需求函数，即：

其中Y= 需求、P= 价格和Z= 收入。

但是，当我在 nlme 或 lme4 中包含平方项时，它们会忽略它们。我试过了：

我试过了：

我已经尝试了 lmer 的等价物。

平方项只是没有出现在摘要（模型）中，而且我知道它们被忽略了，因为我已经用平方项创建了单独的向量并将它们传递进去并且估计值不同。

有人有什么建议吗？

I'm trying to measure the biological impacts of an industrial development using a Before-After-Gradient approach. I am using a linear mixed model approach in R, and am having trouble specifying an appropriate model, especially the random effects. I've spent a lot of time researching this, but so far haven't come up with a clear solution--at least not one that I understand. I am new to LMM (and R for that matter) so would welcome any advice.

The response variables (for example, changes in abundance of key species) will be measured as a function of distance from the edge of impact, using plots established at fixed distances along multiple transects ("gradients") radiating out from the edge of the disturbance. Ideally, each plot would be sampled at multiple times both before and after the impact; however, for simplicity I'm starting by assuming the simplest case, where each plot is sampled once before and once after the impact. Assume also that the individual gradients are far enough apart that they can be considered spatially independent.

First, some simulated data. The effect here is linear instead of curvilinear, but you get the idea.

As far as I can tell, the fixed effects should be Period (Before,After) and Distance, treating distance as continuous (not a factor) so we can estimate the slope. The interaction between Period and Distance (equivalent to the difference in slopes, before vs. after) measures the impact. I'm still scratching my head over how to specify the random effects. I assume I should control for variation among gradients, as follows:

However, I suspect I may be missing some source of variation. For example, I'm not sure the above model controls for the re-sampling of individual plots before and after. Any suggestions?

我正在尝试创建一个线性混合模型（lmm），它允许点之间的空间相关性（每个点都有纬度/经度）。我希望空间相关性基于点之间的大圆形距离。

该软件包ramps包括一个计算“haversine”距离的相关结构——尽管我在实现它时遇到了麻烦。我以前使用过其他相关结构（corGaus, corExp）并且没有任何困难。我假设corRGaus可以以相同的方式实现具有“haversine”指标的。

我能够使用该lme函数成功创建具有在平面距离上计算的空间相关性的 lmm。

我还能够创建一个线性模型（未混合），其空间相关性使用大圆距离计算，尽管使用该gls命令的相关结构存在错误。

尝试将gls命令用于具有大圆形距离的线性模型时，出现以下错误：

当我增加数据的大小时，会出现内存分配错误（仍然是一个非常小的数据集）：

尝试使用lme命令和包中的 运行混合模型时corRGaus，ramps结果如下：

我不确定如何继续使用这种方法。“haversine”函数是我想用来完成我的模型的函数，但是我在实现它们时遇到了麻烦。关于这个包的问题很少ramps，而且我看到的实现也很少。任何帮助将不胜感激。

我之前曾尝试修改nlme包，但无法这样做。我发布了一个关于这个的问题，建议我使用这个ramps包。

我在 Windows 8 计算机上使用 R 3.0.0。

线性混合效应模型传统上按以下方式制定。Ri = Xi × β + Zi × bi + εi 其中 β 表示估计的固定效应，Z 表示随机效应。因此 X 是经典设计矩阵。使用 R，我希望能够在使用 nlme 包中的 lme 拟合模型后提取这两个矩阵。例如，同样在 nlme 包中找到的数据集“Rails”包含 6 个随机选择的铁路轨道上的超声波传播时间的三个单独测量值。我可以为每个轨道拟合一个具有截距固定效应和随机效应的简单模型，如下所示。

X 设计矩阵只是一个统一的 18x1 矩阵（6 个轨道 * 3 个测量值），可以通过以下方式轻松提取：

我想做的是提取随机效应设计矩阵 Z。我意识到如果我使用 lme4 包拟合相同的模型，可以通过以下方式完成：

但是，我不知道如何从 lme 拟合模型中提取该矩阵。

我正在尝试对某些数据运行混合效应模型，但在其中一个固定效应中苦苦挣扎，我认为主要是因为它是一个因素？！

样本数据：

我的模型是这样的：

当运行返回错误信息时：

在互联网上搜索后，我发现了一个回复

但是对于我的生活，我不明白这个问题的答案！

我正在尝试自动化一种方法来识别和删除混合模型语句中的固定效果，使用lmer. 简而言之，我的方法是使用fixef获取固定效果名称，然后使用update从模型语句中删除这些名称。我遇到了一些障碍...

首先，如果固定因子不连续，则fixef返回附加处理水平的变量名称（例如，levels(variable1)=c("A","B","C")将返回variable1Band variable1C）。我试图通过部分匹配来解决这个问题，但我相信它不会在所有情况下都成功（见下文）。

其次，如果存在交互，则部分匹配会分崩离析并仅识别第一个术语（例如，variable1仅从variable1:variable）。我不知道如何解决这个问题。

这是一些示例代码：

任何帮助表示赞赏！

从使用 Stata 的研究人员那里，我得到了数据和以下代码：

• ||不表示某些 OR 运算符，而是表示随机效应是否正确？“ :”有什么关系？
• 这里的 IF 语句是否仅仅意味着只选择得分高于 0trustor且period高于 0 的案例？
• 究竟是var什么？

我必须在 R 中实现它，但现在我不确定我从中理解的内容是否真的正确。

我有来自参与者 ( part) 的受试者内生理数据，他们都在三轮 ( round) 中查看了刺激物（阅读报纸），每轮有五篇论文 ( )，并且在每一轮中，报纸上的访问次数 ( )paper不定visit. 我有两个固定因素（CONDhier和CONDabund）加上交互作用来预测生理状态（例如，EDA），这通常是自回归的。我试图通过随机效应来考虑生理上的个体差异（让我们暂时只考虑截距），并且可能会因另一种随机效应而在回合中感到疲劳。

因此，我想在 R 中运行的模型在 SPSS 中是：

现在，我明白了，虽然lme交叉项做得不好，lmer（处理交叉项没有问题）不能使用不同的协方差结构。我可以运行简单的 lme 模型，例如

但更复杂的模型超出了我的范围。我已经读过 lme 中的交叉术语可以通过随机定义来完成，例如

但这似乎阻止了我的 AR1 结构和 part*round 的第二个随机截距。而且我不太确定它是否与我的 SPSS 语法相同。

那么，有什么建议吗？尽管有很多关于 lme 和 lmer 的不同著作，但我找不到一个同时具有交叉术语和 AR1 的著作。

（此外， lme 上的语法似乎很模糊：从几个不同的来源我了解到 | 将左侧的内容分组到右侧的内容下， / 构成嵌套项， ~1 是随机截距， ~x 是随机斜率, 和 ~1+x 两者都是, 但似乎至少有 : 和 -1 定义我在任何地方都找不到。有没有教程可以解释所有不同的定义？)