lme4 e nlme sono pacchetti R utilizzati per il montaggio di modelli di effetti misti lineari, lineari generalizzati e non lineari. Per domande generali sui modelli misti utilizzare il tag [modello misto].
Sto cercando di capire quando usare un effetto casuale e quando non è necessario. Mi è stato detto che una regola empirica è se hai 4 o più gruppi / individui che faccio (15 alci individuali). Alcuni di questi alci sono stati sperimentati 2 o 3 volte per un totale …
Voglio montare un GLMM multilivello con una distribuzione di Poisson (con sovra dispersione) usando R. Al momento sto usando lme4 ma ho notato che recentemente la quasipoissonfamiglia è stata rimossa. Ho visto altrove che è possibile modellare l'eccessiva dispersione additiva per le distribuzioni binomiali aggiungendo un'intercettazione casuale con un livello …
Spero che questa sia una domanda a cui qualcuno qui può rispondere per me sulla natura della scomposizione di somme di quadrati da un modello a effetti misti adatto lmer(dal pacchetto lme4 R). Prima di tutto, dovrei dire che sono a conoscenza della controversia con l'utilizzo di questo approccio e …
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 …
Vorrei ottenere un valore p e una dimensione dell'effetto di una variabile categoriale indipendente (con più livelli) - che è "complessiva" e non per ogni livello separatamente, come è l'output normale di lme4in R. È proprio come la cosa che la gente riferisce quando esegue un ANOVA. Come posso ottenerlo?
In un modello multilivello, quali sono le implicazioni pratiche e relative all'interpretazione della stima e non stima dei parametri di correlazione dell'effetto casuale? Il motivo pratico per chiederlo è che nel framework lmer in R, non esiste un metodo implementato per stimare i valori di p tramite tecniche MCMC quando …
Dato che il consenso generale sembra essere quello di utilizzare modelli misti via lmer()in R anziché in ANOVA classica (per le ragioni spesso citate, come progetti sbilanciati, effetti casuali incrociati ecc.), Vorrei provarlo con i miei dati. Tuttavia, sono preoccupato di poter "vendere" questo approccio al mio supervisore (che si …
Sto usando AIC (Akaike's Information Criterion) per confrontare i modelli non lineari in R. È valido confrontare gli AIC di diversi tipi di modello? In particolare, sto confrontando un modello montato da glm rispetto a un modello con un termine a effetto casuale montato da glmer (lme4). In caso contrario, …
Il problema: Ho letto in altri post che predictnon è disponibile per i lmermodelli di effetti misti {lme4} in [R]. Ho provato ad esplorare questo argomento con un set di dati giocattolo ... Sfondo: Il set di dati è adattato da questa fonte e disponibile come ... require(gsheet) data <- …
Ho il seguente output: Generalized linear mixed model fit by the Laplace approximation Formula: aph.remain ~ sMFS2 +sAG2 +sSHDI2 +sbare +season +crop +(1|landscape) AIC BIC logLik deviance 4062 4093 -2022 4044 Random effects: Groups Name Variance Std.Dev. landscape (Intercept) 0.82453 0.90804 Number of obs: 239, groups: landscape, 45 Fixed effects: …
Ho analizzato molti siti di aiuto e sono ancora confuso su come specificare termini nidificati più complicati anche in un modello misto. Sono anche confuso come l'uso di :e /e |nello specificare le interazioni e la nidificazione con fattori casuali utilizzando lmer()nel lme4pacchetto in R. Ai fini di questa domanda, …
La citazione di blocco riportata di seguito, dai leader nel campo della modellazione di effetti misti, afferma che coordinare i turni nei modelli con correlazione zero tra effetti casuali (modelli "ZCP") modifica le previsioni del modello. Ma qualcuno può approfondire o giustificare ulteriormente le sue affermazioni? Le dichiarazioni in questione …
Il lmerTestpacchetto fornisce una anova()funzione per modelli misti lineari con l'approssimazione di Satterthwaite (impostazione predefinita) o Kenward-Roger dei gradi di libertà (df). Qual è la differenza tra questi due approcci? Quando scegliere quale?
Attualmente sto eseguendo alcuni modelli lineari ad effetto misto. Sto usando il pacchetto "lme4" in R. I miei modelli prendono la forma: model <- lmer(response ~ predictor1 + predictor2 + (1 | random effect)) Prima di eseguire i miei modelli, ho verificato la possibile multicollinearità tra predittori. L'ho fatto per: …
Ho eseguito un disegno ripetuto per cui ho testato 30 maschi e 30 femmine in tre diversi compiti. Voglio capire come il comportamento di maschi e femmine sia diverso e come ciò dipenda dal compito. Ho usato sia il pacchetto lmer che lme4 per indagare su questo, tuttavia, sono bloccato …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.