尝试将SAS代码转换为R（混合效果模型）

Question

我在 SAS 中有以下代码：

PROC MIXED DATA = mydata;
  CLASS time;
  MODEL y = trt time / SOLUTION;
  REPEATED time / SUBJECT = patient_id TYPE = UN;
RUN;

我想在 R 中运行它，但输出不匹配。我试过这个

library(lme4)
model <- lmer(y ~ trt + time + (1 | patient_id), data = mydata)

我预计 trt 的 p 值小于 0.05，但在 R 中它大于 0.1。此外，其他输出都不匹配。我认为它与 TYPE = UN 相关，但我不知道如何使用 lme4 做到这一点。也许 lme4 不能做到这一点，在这种情况下我如何获得类似的结果？

Answer 1

您的模型不是单一随机截取模型，而是将结果视为多元正态。方差-协方差的 R（以及V）部分具有与时间点一样多的不同行和列，单个随机截距将同样适用于所有时间点。

这在解释上与每个时间点的随机截距相同（但不是计算或方差参数化！）。在收敛精度内获得相同结果的替代方案应该是：

1. 将 SAS

   repeated

   语句更改为

   random

   ，使模型实际上使用 G 侧参数化产生随机效应，并分析出单个残差方差。这只是为了展示不同的参数化在其解释中如何匹配，这是一个更复杂/更慢的计算来获得相同的结果，但会“完全”执行 R 替代方案的操作。
2. 使用

   (time | patient_id)

   作为 R 中的随机效应（假设

   time

   是一个因子）。
3. 使用 R 的

   mmrm

   包（专门为重现此类模型而构建），随机效应变为

   us(time | patient_id)

   （再次假设两者都是因子）。这还允许您匹配来自 SAS 的多个自由度近似值（如果您正在解释 P 值，则您正在使用适当的自由度近似值，对吧？）。