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
lme
chelmer
non gestiscono? - È possibile / consigliato utilizzare
lmer
per 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 lmer
sia lo strumento appropriato per questo tipo di dati o se ho bisogno delle strutture di autocorrelazione che lme
ha.
lmer
sulla capacità di gestire il set di dati del pannello? O posso cavarmela senza fare ipotesi di correlazione specifiche?
lmer
gestirli ... Hong, puoi aggiungere una breve spiegazione alla domanda che descriva le proprietà statistiche necessarie in modo un po 'più dettagliato o fornisca indicazioni?
lmer
sarebbe 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 ...
lmer
non gestisce ancora la varietà di strutture di correlazione e varianza chelme
esiste, e come capisco la situazione, probabilmente non lo farà mai.