问题标签 [random-effects]

我正在使用 R 中的 lmer 研究混合模型，但我有点卡在一些编码上。我从三个街区的 35 个近交系（基因型）中测量了果蝇的雄性和雌性健康状况。

我的响应变量是“健康”，n=10 个人/性别/线/块测试。

性别是固定的，块是随机的，嵌套在块内的线是随机的。我主要对性别和线条之间的互动感兴趣。因此我的模型看起来像

如果我想测试Sex:Line交互的重要性，我的计划是将上述模型与没有交互的模型进行比较，并用于anova比较两个模型

但是我想知道的是，如果我正在测试 Sex:Line 交互的重要性（包括作为随机效应），R 是否会知道 Line 嵌套在 Block 中？

如何指定嵌套在 Block 中的 Sex by Line 之间的交互？

应该是这样的

任何想法将不胜感激。我在下面包含了我的数据样本

我正在使用 lsmeans 函数来调查数据中的时间依赖性：

我需要转置该图的 X 轴和 Y 轴，以便 lsmean 在 Y 轴上，而时间在 X 轴上。如果不首先找到将 lsmean 估计和 SE 输出保存为自己的对象的方法，我不知道该怎么做。但是，我无法弄清楚如何做到这一点。

对于其他功能，我也许可以执行类似lme.lms$lsmeanand的操作lme.lms$SE，但是当我尝试此操作时，会出现以下错误：

我在网上查看过，发现 lsmeans 输出属于“lsmobj”类，但我不知道如何操作该类，而且似乎无法通过我读过的内容弄清楚。

在从固定项开始之前，我试图在 GLMM 中选择最佳随机效应结构。为此，我包括所有固定效应及其相互作用（超出最佳模型），然后我尝试使用随机因素的不同组合。我正在使用公式 lmer()。使用 REML 估计模型。然后我得到每个模型的 AIC() 并比较它们。

但我也想知道没有随机效应的模型的 AIC。我读到了，然后我应该使用 gls()。但我也可以使用 glm()。而且同款gls的AIC，同款glm的AIC，差别很大。

这是在 GLMM 中选择最佳随机效应结构的最佳方法吗？我可以将使用 lmer() 获得的 AIC 值与使用 gls 或 glm 获得的其他 AIC 值进行比较吗？

谢谢和最好的问候！

我在本博尔克的一篇文章中找到了这个答案，它真的很有帮助（如何在具有多个预测变量的混合模型中绘制随机截距和斜率？）。但是，如果我的模型看起来更像这样：/n mod <- lmer(resp ~ pred1 + pred2 + factor(pred3) + (1|RF1),data=d)并且我还想绘制因子对保持其他两个不变的响应的影响，我将如何创建 nd 数据框？另外，我将如何绘制随机斜率？非常感谢您！

编辑：本，非常感谢你的回答，我很抱歉，当然给出一个可重复的例子是有意义的。所以，第一个问题：如果我的模型中有一个因子变量，我如何绘制一个保持其他变量不变的预测变量的影响（如您对上述链接问题的回答中所述）？

这是我的示例数据：https ://www.dropbox.com/s/ytlocw868fsnpu7/realdatasample.csv?dl=0 ，请保密:)。

所以模型将是：

moddata <- lmer(meanQUALNEW ~ meanDBH + meanCRRATIO + richn_tar + (1|region),data=realdatasample)

据我了解，上面链接中给出的示例是关于为一个预测变量构建一个图，同时保持另一个变量不变，反之亦然，并考虑到随机效应。但是如何扩展该代码以考虑三个变量，特别是如果它是一个因素？第二个问题：如何在这样的模型中可视化随机斜率？

moddata1 <- lmer(meanQUALNEW ~ meanDBH + meanCRRATIO + richn_tar + (richn_tar-1|region),data=realdatasample)

据我了解，软件包visreg并effects提供了以可接受的方式可视化此类模型的固定部分的方法（一个预测变量的变化保持其他变量不变）。但它们不适用于（据我所知）随机效应方差分量的良好可视化。我意识到可能有很多关于这方面的信息，但我非常喜欢上面的清晰代码示例，并且想了解如何“手动”完成这些事情。非常感谢您的帮助！

我正在使用 R 中的面板数据运行计量经济学模型。我正在使用 plm 包和池化模型，并且固定效应模型效果很好。但是我在尝试做随机效应模型时遇到了这个错误，我不知道如何解决它。

这是我的整个数据集和代码：

一切正常，直到最后一行。我收到此错误：

if (sigma2$id < 0) stop(paste("the 的估计方差", : 需要 TRUE/FALSE 的缺失值) 中的错误

谢谢你的帮助 ：）

我正在尝试拟合混合效应模型，然后使用该模型对可能具有不同级别的新数据集生成估计。我预计对新数据集的估计将使用估计参数的平均值，但似乎并非如此。这是一个最小的工作示例：

在这个例子中，我基本上定义了三个具有不同回归方程（斜率为 1、1.5 和 0.5）的组。然而，当我尝试在一个未知级别的新数据集上进行预测时，我得到了一个恒定的估计值。我本来希望斜率和截距的预期值用于生成对这些新数据的预测。我期待错了吗？或者，我的代码做错了什么？

我有两个没有随机效应的回归模型：一个是使用 lm 的 OLS，另一个包括使用 nle 的系数乘法。我希望为两者添加个人级别的随机效果。我已经设法使用 lme4 包为 OLS 函数执行此操作，但无法为乘法模型找到执行此操作的方法。

以下代码生成了一个与我正在处理的具有相似结构的数据集：

...

a、b 和 c 代表三个 1:5 维度尺度上的分数。a2 到 c5 是虚拟变量，代表相同比例的 2:5 水平。每个人 (id) 有 10 个观察值。val 是我希望使用回归模型预测的分数的代理。（但实际数据中的值可能与此处的结构不对应。）

我有两个没有随机效应的回归模型。一种是使用 12 个虚拟变量作为 val 的预测变量的常规 OLS：

第二个假设水平之间的相对距离对于三个维度（a，b，c）是共享的，但是维度在尺度方面不同。剩下 6 个系数（cA、cB、cC、cL2、cL3、cL4）+ 截距。

由于每个人有 10 个观察值，我们不能期望它们完全独立。因此，我希望在变量 id 定义的个体级别上添加随机效应。我找到了一种使用 lme4 包的方法：

问题是是否可以使用类似于乘法的回归模型（可能使用 lme4 或 nlme 包）对 id 变量添加随机效应？公式应该看起来像

有什么建议么？

我有一个带有 、 和 变量的数据框subject，wd以及group一个value响应变量。每个受试者被分配到一组，每个工作日进行 7 次测量。因为每个主题都完全嵌套在一个组中，所以我想使用嵌套随机效应模型subject和group，以及为 . 添加第三个随机效应wd。目前，我正在使用它来这样做：

我在本指南的第 40 页找到了我基于此的代码。我都用过REML = TRUE和REML = 0。但是，当我使用 时VarCorr(model)$variances，我得到

此组方差与我用于生成数据的代码冲突，该代码的组均值分别为 36.9、28.78 和 -15.269。当我查看预测随机效应（使用ranef）与真实随机效应的“残差”时，我得到的残差与它们所在的组具有非常高的相关性（如果我建模residuals ~ group，则 R 平方值将超过 0.9）。

如何在 R 中正确拟合嵌套随机效应模型？我更喜欢使用 lme4，但任何软件包都足够了。

这是我用来生成数据的代码：

我正在尝试估计一个面板数据模型，该模型对旅游目的地的市场份额数据具有随机效应 Swamy 和 Arora 转换。请在https://github.com/Joseperles/Statistical-questions中找到附加的数据集

该模型根据以下代码进行估计：

但是我收到此错误消息：

swar(object, data, effect) 中的错误：个体效应的估计方差为负

然而，当我使用 Gretl、EViews 或 Stata 进行比较时，我得到了这个模型的估计（基于 GLS 估计，它们的输出相同）。（请在同一网址找到此计量经济学软件包的输出）。

使用固定效果或合并 ols，我也可以使用 plm 和所有其他软件获得相同的估计。

有人知道可能是什么问题，以及是否有可能使用 plm R 包为随机模型（相同的估计过程）重现 EViews 或 Stata 的输出？

我正在尝试分析一个数据集，其中每个主题都有 12 次重复测量（每季度超过 3 年）。我想提取时间斜率的特定主题估计，以评估主题是否随时间发生显着变化。

我目前的代码一直表明，随着时间的推移，每个主题都表现出非常显着的增长。这似乎不太可能，但我不确定如何调整语法以运行更准确的模型。有谁知道这个模型如何/为什么会找到所有情况下时间显着的斜率系数？

对研究的简要描述：我们正在创建一个趋势报告，该报告应标记程序代码（主题），这些代码显示在所分析的时间段（3 年，按季度）内计费次数显着增加。结果变量被视为一个计数（以 0 为界，但不一定是整数）。

任何有关使该模型更准确和高效的帮助将不胜感激！

谢谢！