如何在线性混合模型中提取每个实验单位的系数(b0和b1)及其各自的标准误差(图)。
对于相同的数据集(df)和拟合模型(fitL1):我怎么能得到一个像这样的数据框......
plot b0 b0_se b1 b1_se
1 2898.69 53.85 -7.5 4.3
... ... ... ... ...
首先要说的是,这其实是一个非平凡的理论问题:有一个相当的 关于R-Sig-混合模型的长线。 这本书详细介绍了一些技术细节,你一定要看看,尽管它有点吓人。基本的问题是,每组的估计系数值是该组的固定效应参数和BLUPconditional模式之和,它们是不同类别的对象(一个是参数,一个是随机变量的条件均值),这就造成了一些技术上的困难。
第二点是,(很遗憾)我不知道有什么简单的方法可以在 lme
所以我的答案使用 lmer
(来自 lme4
包)。)
如果 您可以用最简单的方法忽略固定效应参数和BLUPs之间的(可能是定义不清的)协方差,您可以使用下面的代码。
两种选择是:(1)用贝叶斯分层方法来拟合你的模型(如 MCMCglmm
包),并计算每个层次的后验预测的标准差(2)使用参数引导计算BLUPsconditional模式,然后取引导分布的标准差。
请记住,和往常一样,这个建议是没有保证的。
library(lme4)
fm1 <- lmer(Reaction ~ Days + (Days | Subject), sleepstudy)
cc <- coef(fm1)$Subject
## variances of fixed effects
fixed.vars <- diag(vcov(fm1))
## extract variances of conditional modes
r1 <- ranef(fm1,condVar=TRUE)
cmode.vars <- t(apply(cv <- attr(r1[[1]],"postVar"),3,diag))
seVals <- sqrt(sweep(cmode.vars,2,fixed.vars,"+"))
res <- cbind(cc,seVals)
res2 <- setNames(res[,c(1,3,2,4)],
c("int","int_se","slope","slope_se"))
## int int_se slope slope_se
## 308 253.6637 13.86649 19.666258 2.7752
## 309 211.0065 13.86649 1.847583 2.7752
## 310 212.4449 13.86649 5.018406 2.7752
## 330 275.0956 13.86649 5.652955 2.7752
## 331 273.6653 13.86649 7.397391 2.7752
## 332 260.4446 13.86649 10.195115 2.7752
为了让你使用nlme的一部分......
你可以用summary()来拉取成分。
summary(fitL1)$tTable[,1] #fixed-effect parameter estimates
summary(fitL1)$tTable[,2] #fixed-effect parameter standard errors
等。
你可以进一步通过行进行子集。
summary(fitL1)$tTable[1,1] #the first fixed-effect parameter estimate
summary(fitL1)$tTable[1,2] #the first fixed-effect parameter standard error
来提取单个参数或标准误差,并将它们合并到一个数据框架中,例如使用:等。
df<-data.frame(cbind(summary(fitL1)$tTable[1,1], summary(fitL1)$tTable[1,2]))
names(df)<-c("Estimate","SE")
df
要调整每个图的这些参数(我猜测是随机效应),你可以用:拉出随机系数。
fitL1$coefficients$random
并将它们添加到参数估计值中(B0(截距),B1等)。但是,我不知道应该如何调整每个小区的标准误差。