问题标签 [nlme]

我正在通过 RPy 与 nlme 和 lme4 R 函数交互，我想从我的 python 控制台访问输出摘要。

我运行以下代码：

对于 nlme，对于 lme4：

要获取包含数据和显式导入的代码片段，请参阅此IPython 笔记本。

在所有情况下，我都会得到大量的打印输出，其中包括一个非常长的部分，如下所示：

我想得到更多的总结：

（这包含在我得到的内容中，但在上述内容之后只有数千个条目）我如何实现这一目标？

我有一个数据集，我使用来自 41 个人的 10 个估计器来估计家庭范围大小。我想测试这些估计量是否彼此显着不同，因此我使用 nlme 拟合线性混合效应模型，如下所示：

Size 是家庭范围大小（对数进行转换以满足正态性假设），band 是代表我的 10 个估计量的 10 个级别的因子，nobsS 是采样强度的度量（按采样天数标准化的各个位置的数量），Sex 是男性/female，而snake是我个人的随机效果。总结输出如下：

p 值表明几个水平与参考水平显着不同，并且模式与我根据原始数据预期的一致。但是，我想显示具有 95% 置信区间（不是预测区间）的平均对数（家庭范围大小），以比较不同估计器之间的效果大小。为此，我使用 predict.lme 函数和 SE 使用来自先前 R 线程的代码计算了预测值： https ://stat.ethz.ch/pipermail/r-sig-mixed-models/2010q1/003320.html 但是，我的 95% CI 广泛重叠，比我根据我的 lme 模型的 p 值预期的要多得多。我复制了我获得的值，这些值显示了 95% CI 的广泛重叠：

有没有人建议为什么 p 值在估计水平之间显示出显着差异但 CI 重叠？我很抱歉没有提供任何数据，但如果有帮助，我很乐意通过电子邮件发送我的原始数据和完整代码的副本。

谢谢，JBauder

我目前正在尝试为（官方文档lmeSplines的第 4 页和第 5 页）重建示例代码。

第一行代码是（在 R 语法中）：

如何通过 RPy 查看这些数据？我试过了：

我得到：

我正在将lmeSplines 教程的代码翻译成 RPy。

我现在被困在以下行：

我以前工作nlme.lme过，以下工作很好：

但这有另一个random任务。我想知道如何翻译这一位并将其也放入我的 RPy 代码中list(all=pdIdent(~Zt - 1))。

（预处理的）示例数据的结构smSplineEx1如下所示（Zt.* 高达 98）：

您好我正在尝试执行一个循环函数，其中在每次迭代中使用一个新的预测变量，但是我收到以下错误。

我使用的数据可以从以下 google drive 电子表格中获得。
https://docs.google.com/spreadsheets/d/18yll44P25qsGqgZw4RPTMjlGJ0aNLCp-vYugCD7GPk8/pubhtml

我也尝试使用 for 循环并获得相同的错误。

我该如何解决这个问题？

谢谢

我已经成功地用 nlme 包的 nlme() 函数拟合了一个非线性混合模型，但是在尝试通过包含权重参数来改进所述模型时，除了我无法解释的错误之外，我什么也没有得到，因此我无法查明我的问题的确切来源。

我对非加权模型使用了以下代码：

这是加权模型：

我收到以下错误：

conLin$Xy * varWeights(object) 中的错误：不一致的数组

我知道这与矩阵和向量的乘积有关，其中一个维度不同，因此可以成功执行操作。但是我无法弄清楚如何检查这些对象的尺寸，甚至无法访问它们并尝试解决问题。

如果我将 varFixed() 参数更改为 varIdent 参数，则消息会发生变化，但基本上是在告诉我同样的事情，据我所知：

recalc.varFunc(object[[i]], conLin) 中的错误：dims [product 3618] 与对象的长度不匹配 [37776] 另外：警告消息：在 conLin$Xy * varWeights(object) 中：更长的对象长度不是较短对象长度的倍数

任何有关此事的帮助将不胜感激！

这是我的数据示例：

提前致谢。

实验设计涉及 10 名参与者。他们都经历了条件 A、B、C、D 进行治疗，但参与者 1-5 经历了条件 E、F，参与者 6-10 经历了条件 G、H。

我正在使用带有 lme 功能的 nlme 包来处理丢失的数据并防止按列表删除参与者。测量变量 = DV，固定效应 = 条件，随机效应 = 参与者）。当一切都刚刚过去时，这就是我所拥有的：

当第一部分（条件 A、B、C、D）被交叉而第二部分 E、F 和 G、H 被嵌套时，设置的统计数据是什么......任何帮助或指导将不胜感激！谢谢。

我有一个关于 R 中的多级回归模型的问题，特别是如何为我的 2 级“度量”添加预测变量。

请考虑以下示例（这不是真实的数据集，因此这些值在现实中可能没有多大意义）：

数据包含

• 不同的人（“id”……所以是两个人）
• 每个人的体重指数（“bmi”，因此它不会在 id 内变化）
• 每个人在特定日期出现的心脏问题数量（“计数”）。因此，第 1 个人在 8 月 5 日遇到了三个问题，而第 2 个人在当天没有任何困难/问题
• 当天测量的污染物（如臭氧或二氧化硫）的数量

我的一般研究问题是，污染物的数量是否会影响人群中心脏病的数量。第一步，这可能是一个简单的线性回归：lm(count ~ poll)

但是，可以说我每天的数据都集中在人体内。我有来自第 1 个人的两个措施和来自第 2 个人的两个措施。

所以我的基本想法是建立一个以人（id）作为我的 2 级变量的多级模型。

我使用 nlme 包进行此分析：

到目前为止没有问题。

然而，对第二层的真正影响可能不仅仅来自于我有不同的人这一事实。相反，一个人体内的影响更有可能来自他或她的 bmi（以及许多其他与人相关的变量，如年龄、吸烟量等）。

使长话短说：

如何在 lme 函数中指定这样的二级预测变量？

或者换句话说：我如何建立一个模型，其中心脏问题和污染之间的关系是不同的/聚集的/由一个人的体重指数调节（正如我所说的，可能还受到这个人的吸烟量或年龄）

不幸的是，我不知道如何告诉 R，我想要什么。我知道 oif 其他软件（其中一个叫做HLM），它能够做我想做的事情，但我很确定 R 也可以这样做......

所以，非常感谢您的帮助！

德申

这个问题是关于语法和语义的，因此请在 Cross-Validated 上找到一个（尚未回答的）重复项：https ://stats.stackexchange.com/questions/113324/repeated-measures-anova-ezanova-vs-aov-vs -lme 语法

在机器学习领域，我在相同的 5 个数据集上评估了 4 个分类器，即每个分类器返回数据集 1、2、3、... 和 5 的性能度量。现在我想知道分类器在它们的表现。这是一些玩具数据：

按照教科书，我进行了重复测量单向方差分析。我将我的表现解释为因变量，分类器作为主题，数据集作为主题内因素。使用 aov，我得到：

产生以下输出：

使用线性混合效应模型时，我得到了类似的结果：

然后我尝试使用 ezANOVA 重现结果，以便对 Sphericity 执行 Mauchlys 测试：

产生以下输出：

这显然与 aov/lme 的先前输出不对应。然而，当我在 ezANOVA 定义中将“性能”与“分类器”交换时，我得到了预期的结果。

我现在想知道我的教科书是否错误（aov 定义）或者我是否误解了 ezANOVA 语法。此外，为什么我在重写 ezANOVA 语句时只得到 Mauchly 的测试结果，而不是在第一种情况下？

我正在尝试在论文中绘制用于视觉表示的二元混合效果模型的结果。

我使用 lme 来拟合混合模型：

Pass = 二进制 1/0 zone.time, length & Fat = 连续

产生：

然后我开始计算预测值和标准误差：

提取参数和参数协方差矩阵

用于样本数据

.

对于样本数据使用：

计算预测量表中的拟合值

在预测函数的尺度上计算 SE

这是计算预测值的正确方法吗？

我该如何进行绘制以进行视觉呈现？

我应该使用类似的东西吗

或 ggplot2