问题标签 [random-effects]

如何在 R 中指定随机因子？

如果我有一个x1 应该是随机的因素，我可以尝试这样的事情吗？

在lm和glm模型中，我使用函数coef和confint来实现目标：

lmer现在我在模型中添加了随机效应——使用lme4 包中的函数使用混合效应模型。但是，功能coef并confint不再为我工作！

我试图谷歌并使用文档但没有结果。请指出我正确的方向。

编辑：我也在考虑这个问题是否更适合https://stats.stackexchange.com/但我认为它比统计更具技术性，所以我得出结论它最适合这里（SO）......你怎么看？

我正在尝试使用包含使用调查数据的随机效应的模型来预测二元结果。我在下面包含了对抽样设计的描述，因此请随时评论我的调查加权方法。我的主要问题是如何在调查加权模型中包含随机效应。这是到目前为止的代码：

我希望随机效应出现在该地区。谢谢，

取样说明：

MICS 2006 使用了两阶段分层样本设计。在抽样的第一阶段，选择了 300 个普查普查区（124 个城市和 176 个农村普查区）。这些是为 GLSS 5 选择的 660 个 EA（281 个城市和 379 个农村）的子样本。每个区域的集群是使用系统抽样选择的，其概率与其规模成正比。

我有一个mer用调用 to 创建的对象lmer()。

我可以得到随机效应，ranef()但我也想为每个随机效应获得相应数量的观察 - 有没有简单的方法可以做到这一点？

附加信息：

我可能没有在上面说得很清楚。例如，如果我有一个简单的 2 级模型，其中患者聚集在医院内并随机截取医院，我想提取每家医院的随机效应以及每家医院ranef() 内的患者数量。目前，我使用

这给了我类似的东西：

我想得到类似的东西：

为此，我一直在使用

然后cbind将结果从ranef(fullmodel)[[1]]

然而，这似乎不复杂且容易出错。

qqmath 函数使用 lmer 包的输出制作了很棒的随机效应毛毛虫图。也就是说，qqmath 非常擅长绘制分层模型的截距及其在点估计周围的误差。下面是使用 lme4 包中名为 Dyestuff 的内置数据的 lmer 和 qqmath 函数的示例。该代码将使用 ggmath 函数生成层次模型和漂亮的绘图。

最后一行代码生成了一个非常漂亮的每个截距图，每个估计值都有误差。但是格式化qqmath函数似乎很困难，我一直在努力格式化绘图。我提出了一些我无法回答的问题，我认为其他人如果使用 lmer/qqmath 组合也可以从中受益：

1. 有没有办法使用上面的 qqmath 函数并添加一些选项，例如使某些点为空与填充，或者不同的点使用不同的颜色？例如，您能否将 Batch 变量的 A、B 和 C 点填满，但其余点为空？
2. 是否可以为每个点添加轴标签（例如，可能沿着顶部或右侧 y 轴）？
3. 我的数据有接近 45 个截距，所以可以在标签之间添加间距，这样它们就不会相互碰撞？主要是，我对区分/标记图表上的点感兴趣，这在 ggmath 函数中似乎很麻烦/不可能。

到目前为止，在 qqmath 函数中添加任何附加选项都会产生错误，如果它是标准图，我不会得到错误，所以我很茫然。

另外，如果您觉得有一个更好的包/功能可以从 lmer 输出中绘制截距，我很想听听！（例如，你能用 dotplot 做第 1-3 点吗？）

编辑：如果可以合理格式化，我也愿意接受替代点图。我只是喜欢 ggmath 情节的外观，所以我从一个关于它的问题开始。

如果使用 obj=coxph(... + frailty(id) )，则该对象还返回每个个体的 (log)frailty 估计值，可以使用 obj$frail 提取。

有谁知道这些估计是如何获得的？它们是经验贝叶斯估计吗？

谢谢！

西奥多

我们开发了一个在 Tomcat 上运行的 Java Web 应用程序。它已安装在许多计算机上，并且可以正常工作。最近，在一次远程安装中，它表现出非常奇怪的行为：有时通过 HTTP 到达浏览器的内容是随机打乱的——为给定的 URL 提供了错误的数据。大多数情况下，它表现为在网页上随机交换的图像。但它不仅限于图像，它发生在我身上，而不是 HTML 页面，浏览器得到了其中一张图像。

我尝试使用 FireBug + NetExport调试问题，到目前为止我收集到：

• 它随机出现。大部分时间内容是没有错误的，问题只是偶尔出现。
• 相同的应用程序在许多安装上运行，但只有这个单一的安装会产生错误。
• 它没有连接到特定的浏览器 - 我们尝试了不同计算机上的不同浏览器，但问题仍然存在。
• 当从服务器本身（本地主机）查看时也会发生这种情况，这排除了一些损坏的透明代理。
• 图像和 HTML 页面都会受到影响。
• 如果接收到错误的内容，则数据本身是一致的：Content-Length、Content-Type、ETags等 - 一切都与内容匹配。只是给定 URL 的数据是错误的。

我真的很困惑，我从来没有见过这样的错误。对于如何进一步调查问题的任何想法，我将不胜感激。

我正在尝试在 r 或 stata 中做一个具有随机效应的障碍模型。我查看了 glmmADMB 包，但在 R 中下载它时遇到问题，我在 Cran 中找不到关于该包的任何文档。请问这个包还可以吗？有没有人成功地使用它来估计具有随机效应的障碍模型？

或者，有没有办法在stata中估计这个？有没有办法用 stata 中的任何类型的计数数据来估计随机效应？

任何建议将不胜感激。

珍妮弗

当具有多个预测变量时，是否可以绘制混合模型的随机截距或斜率？

使用一个预测器，我会这样做：

但是如果我有这样的模型呢？

或与 lmer

我应该考虑所有系数还是只考虑我正在绘制的变量？

谢谢

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?