问题标签 [mixed-models]

我有一个像这个示例数据这样的数据集，其中包括三个站点。我想沿着“timeInt”模拟“cumSR”的趋势。我使用以下模型（“cumSR~b/(cc+(timeInt)^(-z))”）为每个站点执行此操作。现在我想使用相同的模型来为这三个站点只获得一条曲线。我认为我需要使用非线性混合模型，对吗？我已经尝试过“nlme”包中的“nlme”函数和“lme4”函数中的“nlmer”函数，但还没有弄清楚。有人可以帮忙吗？非常感谢。

我正在尝试使用 glmmadmb 评估负二项式混合模型的输出。为了总结输出，我将汇总函数与 mcmc 选项的输出进行比较。我已经运行了这个模型：

我有两个随机截取：年份和站点。年份有 33 个级别，站点有 15 个。

摘要（pre1）中对站点和年份的随机效应参数估计似乎与 mcmc 输出的后验分布不一致。我使用 50% 置信区间作为估计值，该估计值应与汇总函数的参数估计值一致。这是不正确的吗？有没有办法使用汇总函数来获得围绕随机效应参数的误差来衡量这是否是方差问题？我尝试将 postvar=T 与 ranef 一起使用，但这不起作用。另外，有没有办法用信息丰富的行名格式化 mcmc 输出，以确保我使用正确的估计？

glmmabmb 的摘要输出：summary(pre1)

mcmc 输出：m <- as.mcmc(pre1$mcmc) CI <- t(apply(m,2,quantile,c(0.025,0.5,0.975)))

这些估计继续 u.48 以包括年份和特定地点的系数。

预先感谢您对此问题的任何想法。蒂芙尼

我有一个我想的非常简单的问题。在一组参与者的纵向实验中，让每个人在 7 个不同的时间给其他人打分，比如说，10 个变量（例如“这个人很讨人喜欢”、“这个人很呆板”等等）。如果我想为一个变量/响应获得某种感知器和目标方差，我会使用：

在这里，我们有一个数据帧“x”的因变量“Var1”，其中指定了第一个时间点（这也是 x 的变量）。

到目前为止一切顺利，这工作得很好。

现在正如我所说，我有多个响应和多个时间点。因此，我想使用 a）“for”循环或 b）lapply 来一次获取所有模型。

无论哪种方式，我都必须以某种方式“索引”因变量，无论是指定列位置（x[,10]10 是 Var1 的假定位置）还是变量本身（x$Var1）或（至少有点奇怪）粘贴或打印将变量名称代入公式 ( col.names(c[10])。

我想说的是，这两种方法都不起作用。我总是收到关于不同可变长度的错误。但是，正如我所写，我使用的是完全相同的列！

你们中有人有运行多个 lmer 的经验吗？

欢迎和赞赏所有想法！我希望我不是太不清楚，如果您需要任何进一步的信息，我很乐意提供，尽我所能。

干杯，艾尔

我有一个数据集，我正在使用 lme4 拟合混合模型回归。

接下来我想绘制结果拟合，因此使用来自http://glmm.wikidot.com/faq的示例代码，我为原始值生成了预测。

这很容易用 ggplot 绘制：

但如图所示，ggplot 绘制的回归线的截距与估计的回归截距相比是关闭的；至少 Nhc 线的情况是这样，它显然是负截距，而常见的估计截距是 0.54。

我的错误很容易（我认为）：使用 geom_smooth 导致的拟合与回归所说的不同，因为 geom_smooth 每次处理都单独获取数据，并且在没有拟合模型的上下文的情况下以面值计算。但我不知道如何正确绘制线条。

这里有一些数据

如果您愿意，还可以绘制这些数据的图

运行带有函数的模型时MCMCglmm()……</p>

我得到了估计值的上下 95% 区间，让我知道两个斜率（颜色 = a 和颜色 = b）是否显着不同。

在查看此输出时...

...我看不到置信区间！

我的问题是：

使用该函数时，如何获得这些估计值的上下 95% 区间置信度glm()？

我无法弄清楚我为混合方差分析运行的 R 代码有什么问题。令人沮丧的是，我在不同的计算机（一台是 Mac，另一台是 PC）上的 aov 函数得到了不同的结果。此外，我在 Mac 上使用 aov 函数得到的结果与我在同一台计算机上使用 ezANOVA 得到的结果大不相同。我在 SPSS 中运行了相同的分析，并得到了与 ezANOVA 相同的结果，所以我的 aov 线似乎有问题。然而，正如我之前所说，我在我的电脑上使用相同的代码和数据文件得到了不同的结果。我很偏执，这个问题真的很简单，但我想不通，它妨碍了我完成分析。

我可能做了什么弄乱了我的默认设置？我什至重新启动计算机，我仍然得到相同的结果。

任何帮助是极大的赞赏！

我正在尝试根据给定的药物剂量创建药物浓度模拟。我有一些初步数据，我使用随机效应模型来分析 log（剂量）、预测 log（药物浓度）、将受试者建模为随机效应之间的关系。

该分析的结果如下。我想获取这些结果并在 SAS 中模拟类似的数据，这样我就可以查看改变剂量对体内药物浓度的影响。我知道当我模拟数据时，我需要确保随机斜率与随机截距相关，但我不确定该怎么做。任何示例代码将不胜感激。

随机效应：

固定效果：

相关性：

我有两个相关的响应变量 (y1,y2) 由相同的协变量集 (x1,x2) 解释，每个变量的均值 = 0。

我有一个随机分组因子（'group'），它是异方差的（y1 的组 ~ N(0,sigma_u1) 和 y2 的 N(0,sigma_u2)）。

我想通过也是异方差的随机误差对响应之间的相关性进行建模。

我正在使用以下代码生成示例数据集。后面是我尝试的 nlme 代码（这给了我一个错误）。我将不胜感激有关如何正确执行此操作的任何指导。

如果我的代码看起来很笨拙，我提前道歉。

谢谢！

我有一个混合模型，数据如下所示：

每个主题为 errorType（O 或 P）提供两个数据点，每个主题处于条件 G（N=30）或 N（N=33）。errorType 是重复变量，Condition 是介于变量之间。我对主要影响和相互作用都感兴趣。所以，首先是方差分析：

Condition 并不重要，但 errorType 和交互作用一样重要。

但是，当我使用 lmer 时，我得到了一组完全不同的结果：

所以对于 lmer，Condition 和交互很重要，但 errorType 不重要。

此外， lmer 结果与 glm 结果完全相同，让我相信有问题。

有人可以帮我理解为什么它们如此不同吗？我怀疑我使用 lmer 不正确（尽管我尝试了许多其他版本，例如 (errorType | subject)，但结果相似。

我想从一个MCMCglmm或多或少地以Zelig包的方式估计的模型中模拟感兴趣的数量。Zelig您可以为独立值设置所需的值，软件计算结果变量的结果（预期值、概率等）。一个例子：

如我们所见，如果 z = 10 y 大约为 17。

有什么方法可以模拟 z = 10 的后验分布MCMCglmm并得到 y 的期望值？非常感谢你！