Vorrei estrarre le pendenze per ogni individuo in un modello a effetti misti, come indicato nel paragrafo seguente
Sono stati usati modelli di effetti misti per caratterizzare percorsi individuali di cambiamento nelle misure cognitive di sintesi, inclusi termini per età, sesso e anni di istruzione come effetti fissi (Laird e Ware, 1982; Wilson et al., 2000, 2002c) ... I termini di pendenza del declino cognitivo individuale residuo sono stati estratti dai modelli misti, dopo adattamento per gli effetti dell'età, del sesso e dell'istruzione. Le pendenze residue adattate specifiche della persona sono state quindi utilizzate come fenotipo di risultato quantitativo per le analisi di associazione genetica. Queste stime equivalgono alla differenza tra la pendenza di un individuo e la pendenza prevista di un individuo della stessa età, sesso e livello di istruzione.
De Jager, PL, Shulman, JM, Chibnik, LB, Keenan, BT, Raj, T., Wilson, RS, et al. (2012). Una scansione a livello del genoma per varianti comuni che influenzano il tasso di declino cognitivo correlato all'età . Neurobiology of Aging, 33 (5), 1017.e1–1017.e15.
Ho esaminato l'uso della coeffunzione per estrarre i coefficienti per ogni individuo, ma non sono sicuro che questo sia l'approccio corretto da utilizzare.
Qualcuno può fornire qualche consiglio su come farlo?
#example R code
library(lme4)
attach(sleepstudy)
fml <- lmer(Reaction ~ Days + (Days|Subject), sleepstudy)
beta <- coef(fml)$Subject
colnames(beta) <- c("Intercept", "Slope")
beta
summary(beta)
summary(fm1)