Bootstrap parametrico, semiparametrico e non parametrico per modelli misti

9

I seguenti innesti sono presi da questo articolo . Sono un novizio di bootstrap e sto cercando di implementare il bootstrap bootstrap parametrico, semiparametrico e non parametrico per il modello misto lineare con R bootpacchetto.

inserisci qui la descrizione dell'immagine

Codice R

Ecco il mio Rcodice:

library(SASmixed)
library(lme4)
library(boot)

fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation)
fixef(fm1Cult)


boot.fn <- function(data, indices){
 data <- data[indices, ]
 mod <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=data)
 fixef(mod)
 }

set.seed(12345)
Out <- boot(data=Cultivation, statistic=boot.fn, R=99)
Out

Domande

Come eseguire il bootstrap parametrico, semiparametrico e non parametrico per modelli misti con bootpacchetto?
Immagino che sto eseguendo il bootstrap non parametrico per il modello misto nel mio codice.

Ho trovato queste diapositive , ma non ha potuto ottenere il pacchetto R merBoot. Qualche idea su dove posso ottenere questo pacchetto. Qualsiasi aiuto sarà molto apprezzato. Grazie in anticipo per il tuo aiuto e tempo.

r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

— MYaseen208
fonte

8

Il bootstrap in modelli lineari misti è molto simile al bootstrap in regressione, tranne per il fatto che si ha la complicazione che gli effetti sono divisi in fissi e casuali. In regressione per eseguire il bootstrap parametrico, si adatta il modello parametrico ai dati, si calcolano i residui del modello, si esegue il bootstrap dei residui, si prendono i residui del bootstrap e li si aggiunge al modello montato per ottenere un campione bootstrap per i dati e quindi si adatta il modello ai dati bootstrap per ottenere le stime dei parametri di esempio bootstrap. Si ripete la procedura riavviando nuovamente i residui originali e quindi ripetendo gli altri passaggi della procedura per ottenere un'altra stima di esempio bootstrap dei parametri. Per il bootstrap non parametrico, si crea il vettore dei valori di risposta e covariata e si avvia la selezione dei vettori per l'esempio bootstrap. Dall'esempio bootstrap, si adatta il modello per ottenere i parametri e si ripete il processo. L'unica differenza tra il bootstrap parametrico e non parametrico è che si esegue il bootstrap dei residui per il bootstrap parametrico mentre il bootstrap non parametrico avvia i vettori. Nel caso del modello misto puoi anche avere un bootstrap semiparametrico trattando alcuni effetti in modo parametrico e gli altri in modo non parametrico. Se il tuo codice esegue il bootstrap di vettori, stai eseguendo il bootstrap non parametrico. Non ho una soluzione specifica per provvedere a farlo in R ma se guardi il libro di Efron e Tibshirani o il mio libro con Robert LaBudde vedrai il codice R per tipi simili di modelli al modello misto lineare.

— Michael R. Chernick
fonte

Grazie @Michael per la tua bella risposta. Apprezzerei molto se condividessi esempi per tutti e tre i metodi di bootstrap implementati in R.

— MYaseen208,

Non credo di avere esempi semiparametrici. Non sono un programmatore R (ancora). Robert LaBudde ha fatto tutta la programmazione R nel nostro libro. Fornisce un esempio di bootstrap parametrico codificato in R per un modello autoregressivo stazionario (pagine 120-122). A pagina 10 del libro mostra tutte le funzioni bootstrap in R che appaiono usando la query "> help.search ('bootstrap') Efron e Tibshirani hanno documentato nel loro libro il pacchetto bootstrap in R che chiamano" bootstrap "un altro il pacchetto dovuto a Davison e Hinkley è il loro pacchetto "boot" di cui puoi scoprire di più nel loro libro bootstrap

— Michael R. Chernick,

Va sottolineato che il bootstrap rigoroso non parametrico di un modello misto è soggetto a guasti. Può omettere completamente un livello di una variabile casuale, che interrompe il processo.

— Bryan

2

Potresti voler dare un'occhiata alla bootMerfunzione nella versione di sviluppo di lme4,

install_github("lme4",user="lme4")
library(lme4)

che può eseguire il bootstrap parametrico (semi) parametrico di modelli misti ... Basta controllare ?bootMer

— Tom Wenseleers
fonte