Confronto tra lme e lmer

Mi chiedevo se qualcuno potesse illuminarmi sulle attuali differenze tra queste due funzioni. Ho trovato la seguente domanda: Come scegliere la libreria nlme o lme4 R per i modelli di effetti misti? , ma risale a un paio d'anni fa. È una vita nei circoli del software.

Le mie domande specifiche sono:

Ci sono (ancora) delle strutture di correlazione lmeche lmernon gestiscono?
È possibile / consigliato utilizzare lmerper i dati del pannello?

Ci scusiamo se questi sono in qualche modo basilari.

Un po 'più di dettaglio: i dati del pannello sono dove abbiamo più misurazioni sugli stessi individui, in diversi punti nel tempo. In genere lavoro in un contesto aziendale, dove potresti avere dati per clienti abituali / a lungo termine per un certo numero di anni. Vogliamo consentire variazioni nel tempo, ma non è efficace inserire una variabile fittizia per ogni mese o anno. Tuttavia, non sono chiaro se lmersia lo strumento appropriato per questo tipo di dati o se ho bisogno delle strutture di autocorrelazione che lmeha.

r mixed-model lme4-nlme

— Hong Ooi
fonte

Quella risposta è ancora aggiornata. lmernon gestisce ancora la varietà di strutture di correlazione e varianza che lmeesiste, e come capisco la situazione, probabilmente non lo farà mai.

— Aaron - Ripristina Monica il

@Aaron Grazie per la risposta. Per la seconda parte, ciò influisce lmersulla capacità di gestire il set di dati del pannello? O posso cavarmela senza fare ipotesi di correlazione specifiche?

— Hong Ooi,

@Aaron, non so di "non lo farà mai" manico Corr / strutture var - Sono interessato ad aggiungere queste caratteristiche e non credo che sarebbe che difficile - ma certamente dire "non trattenete il respiro". Non ho abbastanza familiarità con i dati del panel per sapere cosa sarebbe necessario per lmergestirli ... Hong, puoi aggiungere una breve spiegazione alla domanda che descriva le proprietà statistiche necessarie in modo un po 'più dettagliato o fornisca indicazioni?

— Ben Bolker,

@BenBolker Aggiunti alcuni dettagli.

— Hong Ooi,

Direi che lmersarebbe abbastanza buono con un effetto casuale dell'anno e un effetto casuale del cliente (diciamo che hai solo una misurazione per cliente all'anno); se viene adattata una tendenza generale (ad effetto fisso) del tempo, è necessario considerare anche un'interazione casuale tempo per cliente (ad esempio pendenze casuali). Idealmente, dovresti anche consentire l'autocorrelazione temporale all'interno delle serie temporali di ogni cliente, cosa che al momento non è possibile con lmer, ma potresti controllare la funzione di autocorrelazione temporale per vedere se era importante ...

— Ben Bolker

Risposte:

AGGIORNAMENTO GIUGNO 2016:

Si prega di consultare il blog di Ben che descrive le sue attuali opinioni su come realizzarlo in lme4: Braindump 01 giugno 2016

Se preferisci i metodi bayesiani, il brmspacchetto brmsupporta alcune strutture di correlazione: CRAN brms page . (Nota in particolare: "A partire dalla versione 0.6.0 di brms, la struttura AR si riferisce agli effetti autoregressivi dei residui per abbinare la denominazione e l'implementazione in altri pacchetti come nlme. In precedenza, il termine AR in brms si riferiva agli effetti autoregressivi della risposta. Questi ultimi ora sono chiamati effetti ARR e possono essere modellati usando l'argomento r nelle funzioni cor_arma e cor_arr. ")

RISPOSTA ORIGINALE LUGLIO 2013:

(Convertito da un commento.)

Direi che lmersarebbe abbastanza buono con un effetto casuale dell'anno e un effetto casuale del cliente (diciamo che hai solo una misurazione per cliente all'anno);

lmer(y~1 + (1|year) + (1|customer), ...)

si adatterebbe al modello (solo per intercettazione)

Y_{i j} \sim Normal (a + ϵ_{year, i} + ϵ_{customer, j}, σ_{0}^{2})

$Y_{ij} \sim \text{Normal}(a + \epsilon_{\text{year},i} + \epsilon_{\text{customer},j}, \sigma^2_0)$ dove e sono varianze normali a media zero con le loro varianze specifiche.

ϵ_{year}

$\epsilon_{\text{year}}$

ϵ_{customer}

$\epsilon_{\text{customer}}$

Questo è un modello piuttosto noioso, potresti voler aggiungere una tendenza generale (ad effetto fisso) del tempo e anche considerare un'interazione casuale tempo per cliente (cioè pendenze casuali). credo

lmer(y~year + (1|year) + (year|customer), ...)

dovrebbe adattarsi al modello

Y_{i j} \sim Normal ((a + ϵ_{customer, j}) + (b + ϵ_{year \times customer, j}) \cdot year + ϵ_{year, i}, σ_{0}^{2})

$Y_{ij} \sim \text{Normal}((a + \epsilon_{\text{customer},j}) + (b + \epsilon_{\text{year} \times \text{customer},j}) \cdot \text{year} + \epsilon_{\text{year},i}, \sigma^2_0)$

(l'utilizzo yearin questo modo è un'eccezione alla normale regola di non includere una variabile di input come effetto sia adattato che casuale nello stesso modello; purché sia una variabile numerica, yearviene trattata come continua nell'effetto fisso e year:customer(casuale) interazione e come categorico nell'effetto casuale ...)

Naturalmente potresti voler aggiungere covariate a livello di anno, a livello di cliente e di osservazione che assorbirebbero una parte della varianza pertinente (ad esempio aggiungere un indice dei prezzi al consumo medio per spiegare perché gli anni sono stati buoni o cattivi ...)

Idealmente, dovresti anche consentire l'autocorrelazione temporale all'interno delle serie temporali di ogni cliente, cosa che al momento non è possibile con lmer, ma potresti controllare la funzione di autocorrelazione temporale per vedere se era importante ...

Avvertenza : non so molto sugli approcci standard per la gestione dei dati del panel; questo si basa solo sulla mia conoscenza di modelli misti. I commentatori (o i redattori) dovrebbero sentirsi liberi di intervenire se questo sembra violare standard / migliori pratiche in econometria.

— Ben Bolker
fonte

X \sim N (μ, σ^{2})

$X \sim N(\mu, \sigma^2)$

X

$X$

μ

$\mu$

σ^{2}

$\sigma^2$

Y_{i j}

$Y_{ij}$

N (a, σ_{0}^{2} + σ_{y e a r}^{2} + σ_{c u s t}^{2})

$N(a,\sigma^{2}_0 + \sigma^{2}_{year} + \sigma^{2}_{cust})$

a + b \cdot y e a r

$a+b \cdot {\rm year}$

Sì, grazie Ben. In pratica ci sarebbero anche effetti fissi, ad esempio età, sesso e tutti i soliti sospetti. @Macro: Ben ha ragione, credo.

— Hong Ooi,

μ

$\mu$

Y \sim Normal (X β + Z u, σ^{2}); u \sim MVNormal (0, Σ); Σ = f (θ)

$Y \sim \text{Normal}(X \beta + Z u, \sigma^2); u \sim \text{MVNormal}(0,\Sigma); \Sigma=f(\theta)$

@BenBolker: hai notato che ho posto una taglia su questa domanda, perché sto cercando un potenziale aggiornamento ?

— S. Kolassa - Ripristina Monica

Ho appena pubblicato alcune cose su cui ho lavorato di recente su rawgit.com/bbolker/mixedmodels-misc/master/notes/… ; Cercherò di aggirare l'incorporazione di bit pertinenti nella mia risposta (in alternativa, chiunque altro può pubblicare la propria risposta in base a tali informazioni o modificare la mia domanda!)

— Ben Bolker,

Per rispondere direttamente alle tue domande, e NB questo sono anni dopo il post originale!

Sì, ci sono ancora strutture di correlazione che nlme gestisce e che lme4 non gestirà. Tuttavia, fintanto che nlme consente all'utente di definire corstr generali e lme4 no, questo sarà il caso. Ciò ha un impatto pratico sorprendentemente ridotto. Le "tre grandi" strutture di correlazione di: strutture di correlazione indipendenti, scambiabili e AR-1 sono gestite facilmente da entrambi i pacchetti.
È certamente possibile . È possibile inserire i dati del pannello con la lmfunzione di troppo! La mia raccomandazione su quale utilizzare dipende dal problema. lme4è un kit di strumenti molto più piccolo e la rappresentazione della formula è un modo pulito e conciso di rappresentare alcuni modelli di effetti misti molto comuni. nlmeè la cassetta degli attrezzi molto grande, incluso un saldatore TIG per realizzare tutti gli strumenti di cui hai bisogno.

Dici di voler consentire la "variazione nel tempo". In sostanza, una struttura di correlazione intercambiabile raggiunge questo obiettivo, consentendo un'intercettazione casuale in ciascun cluster, in modo che la varianza intracluster sia la somma della variazione del livello del cluster e della variazione (che si chiama) nel tempo. E questo non ti impedisce di utilizzare effetti fissi per ottenere previsioni più precise nel tempo.

— ADAMO
fonte

Hmm. Come si può usare la correlazione AR-1 in lme4?

— ameba dice di reintegrare Monica il

Confronto tra lme ​​e lmer

Confronto tra lme e lmer