问题标签 [random-effects]

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：

我试图理解函数 lmer。我发现了很多关于如何使用该命令的信息，但关于它实际在做什么的信息并不多（这里有一些神秘的评论：http: //www.bioconductor.org/help/course-materials/2008/PHSIntro/ lme4Intro-handout-6.pdf）。我正在使用以下简单示例：

我知道 lmer 正在拟合 Y_{ij} = beta + B_i + epsilon_{ij} 形式的模型，其中 epsilon_{ij} 和 B_i 分别是方差为 sigma^2 和 tau^2 的独立法线。如果 theta = tau/sigma 是固定的，我用正确的均值和最小方差计算了 beta 的估计值

在哪里

我还计算了 sigma^2 的以下无偏估计：

s^2 = \sum_{i,j} alpha_i (y_{ij} - c)^2 / (1 + theta^2 - lambda)

这些估计似乎与 lmer 产生的结果一致。但是，我无法弄清楚在这种情况下如何定义对数似然。我计算的概率密度为

在哪里

但是上面的日志不是 lmer 产生的。在这种情况下如何计算对数似然（对于奖励分数，为什么）？

编辑：更改了一致性符号，删除了标准偏差估计的错误公式。

我假设我的混合效应模型中的随机效应方差对于不同水平的固定因子会有所不同BTyp。

这是我的模型

我设法Btyp使用函数合并了随机效应的特定方差lmer，但是这个函数不允许考虑组内误差的方差异质性（在我的情况下最好考虑）。我的问题是如何使用函数为随机效应合并“Btyp”特定的方差lme？

下面你可以看到它是如何与lmer函数一起工作的。

Pind, Bind,Tind是不同水平的指标变量BTyp。

我目前正在处理来自实验的一些数据。因此，我有一些被随机分配到 2 种不同治疗方法的人的数据。对于每次治疗，我们进行了三个疗程。在每次会议中，参与者被要求做出一系列决定。

我想做的是：（1）用一个模型估计治疗的效果，该模型包括对个体的随机效应，然后，（2）按会话对标准误差进行聚类。

在 R 中，我可以使用plm包轻松估计随机效应模型：

我的问题是我无法通过变量会话（即个人参与的会话）对标准误差进行聚类。确实，plm 包的稳健协方差矩阵估计器让我可以在两种类型的集群之间进行选择：“组”和“时间”。因此，如果我选择“组”选项，我会在个人级别获得标准错误：

有没有办法选择不同的聚类变量？

我将非常感谢您的帮助。

我正在尝试使用 lme4 拟合具有随机效应的泊松回归模型。我的响应变量 Y 表示双向表中的频率，但我只对协变量对交互的影响（表 Y 的对数线性表示的 alpha_aj 项）感兴趣，因此设计矩阵包括每一行的固定效应和在我的情况下不感兴趣的列。

我想将特定于单元格的随机效应与特定于列的差异包括在内。但是，当使用 glmer 时，我在模型中声明的第一列的估计方差分量始终为零，就好像存在某种多重共线性一样。我不明白为什么会发生这种情况，特别是因为当只假设一个共同方差时，预测的随机效应似乎不受任何限制。任何帮助将非常感激。

我的数据的一个例子是：

表 Y 按列堆叠。要定义我使用的设计矩阵，

具有共同方差的模型可以使用

为了使模型与特定于列的方差分量相匹配，我正在使用：

我得到结果：

如您所见，col1 的估计方差分量为零。如果我更改用于声明预测变量的顺序，

现在是第二列，它的方差分量估计为零：

从模型的定义来看，我不明白为什么我不能为三列提供特定于列的差异。我想我错过了一些东西，提前感谢任何提示！

已编辑（2）！！！

使用初始数据，我试图了解是否有任何理由应该限制方差。我使用 MCMCglmm 拟合模型：

估计的特定列方差分量为：

[1] 0.05413170 0.13366658 0.08073213

我仍然不明白为什么在与 lme4 拟合时不应该使用特定于列的差异。我认为在拟合模型之前会检查 lme4 是否正在执行，最终将方差分量设置为零。有人知道在 lme4 中指定这种模型的另一种方法吗？

非常感谢任何提示！

我有一个公司的面板数据（面板规范：ID，时间）并尝试在 SAS 中对此数据运行 Logit 随机效应模型，其中我的二进制（0,1）因变量是 Def。这是我正在使用的代码：

当我运行代码时，在输出中我得到的系数估计的唯一表称为：固定效应的解决方案。我的问题是随机效应的系数估计值在哪里？我怎样才能在输出中得到这些估计？

提前感谢您的帮助。西

我试图估计 R 中的纵向模型，其中有几个相互关联的随机截距，并且数据是非嵌套的。例如，考虑一个简单的纵向模型，其中学生的考试成绩在三个随机截距、一个随机学校效应、一个随机教师效应和一个随机教师-学校匹配效应上回归。数据是非嵌套的，因为教师在纵向数据中经常更换学校。我主要对随机效应参数本身感兴趣，因此我想指定所有三个随机效应并允许它们相互关联。没有随机斜率，只有随机截距。

我试过了：

但这似乎迫使随机效应彼此不相关。有没有办法，使用lmer或任何其他 R 包来估计一个类似的模型，其中允许随机截距相互关联（使用非嵌套数据）？

更具体地说，上述模型强制协方差矩阵是对角的。我想估计的是一个具有无限制协方差矩阵的随机效应模型，例如这个链接

我想在 eHOF 包的 HOF 功能中考虑我的嵌套研究设计。我们采样了嵌套在样本块中的点和嵌套在村庄中的点（随机）。

到目前为止，我使用 GLMM 来描述栖息地类型（栖息地、解释性、固定）对物种丰富度（SpR、响应变量、固定）的影响。因此我使用了 lme (of nlme-package) 我可以将嵌套研究设计合并到函数中：

现在我想描述沿梯度对 SpR 的影响。我的 HOF 函数如下所示：

有没有办法将嵌套研究设计纳入 HOF？

我也无法获得 P 值，也无法获得 F 或 R2 值。我忽略了什么吗？

包：eHOF 版本：1.4 R 版本 3.0.2

我希望查看三个变量 PS、TH 和 HW 对随机变量 ID 的固定效应。我也有兴趣了解每个固定效应的每个受试者 (ID) 的随机斜率的估计值。有些科目有多年的数据，所以我必须在 ID 中嵌套年份。到目前为止，我有以下代码进行一些初步分析：

当这段代码运行时，我得到每个固定效应的年（ID）的随机斜率估计，例如，

这很好，但我也想获得ID 的随机斜率估计。理想情况下，该模型将考虑一些超过一年的 ID，并给我一个随机斜率估计年（ID）和ID。

问题：我如何告诉 SAS 仅输出 ID 的解决方案？

当我尝试运行以下代码来执行此操作时，我的输出中有一些奇怪的空格用于随机效应，并且参数估计值与我使用上述代码获得的输出不同。下面的代码似乎过于复杂 - 上面的代码不应该能够完成这项工作吗？

*注意 - 在没有主题的情况下列出的每个固定效果中的所有“pred”值都是相同的。

我正在尝试在 SAS 中进行简单的单向随机效应方差分析。我想知道总体方差是否显着不同于零。

在UCLA 的 idre 网站上，他们声明使用 PROC MIXED 如下：

鉴于我以前使用 PROC MIXED 的经验，这对我来说很有意义。

然而，在 Murray Logan 的文章 Biostatistical Design and Analysis Using R by Murray Logan 中，他说对于单向方差分析，固定和随机效应没有区别，并且即使他正在测试（在 R 中）进行“标准”单向方差分析方差，而不是手段。我发现在 SAS 中，他的 R 过程等同于使用以下任何一种：

1. 方差分析
2. PROC GLM（与 ANOVA 相同，但使用 GLM 代替 ANOVA）
3. 带有 RANDOM 语句的 PROC GLM

上述三个模型的p值相同，但与 UCLA 使用的 PROC MIXED 模型不同。对于我的数据，p = 0.2508 和p = 0.3138 的差异。尽管在这种情况下结论没有改变，但我对这种差异并不满意。

任何人都可以就哪个更合适以及为什么存在这种差异提供建议？