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].
Chiuso. Questa domanda è fuori tema . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che sia in argomento per Cross Validated. Chiuso 6 mesi fa . Stavo lavorando nei pacchetti R nlme e lme4 , cercando di specificare i modelli con molteplici effetti …
Sto cercando di passare dall'uso del ezpacchetto a lmemisure ripetute ANOVA (poiché spero di poter usare contrasti personalizzati con lme). Seguendo i consigli di questo post sul blog sono stato in grado di impostare lo stesso modello usando entrambi aov(come fa ez, quando richiesto) e lme. Tuttavia, mentre nell'esempio riportato …
Ho esaminato questa panoramica delle formule lm / lmer R di @conjugateprior e mi sono confuso con la seguente voce: Ora supponiamo che A sia casuale, ma B sia fisso e B sia nidificato all'interno di A. aov(Y ~ B + Error(A/B), data=d) Di seguito lmer(Y ~ B + (1 …
Mi chiedo se ci sono metodi per calcolare la dimensione del campione in modelli misti? Sto usando lmerin R per adattarsi ai modelli (ho pendenze e intercettazioni casuali).
Abbiamo eseguito una regressione logistica a effetti misti utilizzando la sintassi seguente; # fit model fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0, family = binomial(link="logit")) # model output summary(fm0) Oggetto e oggetto sono gli effetti casuali. Stiamo ottenendo un risultato dispari che è il coefficiente …
Supponiamo che io abbia delle misurazioni per ogni soggetto in ciascun sito. Due variabili, soggetto e sito, sono interessanti in termini di calcolo dei valori di correlazione intraclasse (ICC). Tipicamente userei la funzione lmerdal pacchetto R lme4, ed eseguivo lmer(measurement ~ 1 + (1 | subject) + (1 | site), …
Ho un esperimento di misure ripetute in cui la variabile dipendente è una percentuale e ho più fattori come variabili indipendenti. Mi piacerebbe usare glmerdal pacchetto R lme4per trattarlo come un problema di regressione logistica (specificando family=binomial) poiché sembra adattarsi direttamente a questa configurazione. I miei dati si presentano così: …
Con il seguente set di dati, volevo vedere se la risposta (effetto) cambia in relazione a siti, stagione, durata e loro interazioni. Alcuni forum online sulle statistiche mi hanno suggerito di continuare con i modelli lineari a effetti misti, ma il problema è che, poiché i replicati sono randomizzati all'interno …
Ho lavorato con alcuni dati che hanno alcuni problemi con misurazioni ripetute. In tal modo ho notato un comportamento molto diverso tra lme()e lmer()utilizzando i miei dati di test e voglio sapere perché. Il set di dati falsi che ho creato ha misurazioni di altezza e peso per 10 soggetti, …
Ho esaminato la modellazione di effetti misti usando il pacchetto lme4 in R. Uso principalmente il lmercomando, quindi porrò la mia domanda attraverso il codice che usa quella sintassi. Suppongo che potrebbe essere una domanda semplice generale, è corretto confrontare due modelli costruiti lmerutilizzando rapporti di probabilità basati su set …
Sappiamo che un test t accoppiato è solo un caso speciale di ANOVA a misure ripetute a senso unico (o all'interno del soggetto) e modello lineare a effetto misto, che può essere dimostrato con la funzione lme () il pacchetto nlme in R come mostrato di seguito. #response data from …
Considera i seguenti dati da una progettazione bidirezionale all'interno dei soggetti: df <- "http://personality-project.org/r/datasets/R.appendix4.data" df <- read.table(df,header=T) head(df) Observation Subject Task Valence Recall 1 1 Jim Free Neg 8 2 2 Jim Free Neu 9 3 3 Jim Free Pos 5 4 4 Jim Cued Neg 7 5 5 Jim …
Di 'che dobbiamo GLMM mod1 <- glmer(y ~ x + A + (1|g), data = dat) mod2 <- glmer(y ~ x + B + (1|g), data = dat) Questi modelli non sono nidificati nel solito senso di: a <- glmer(y ~ x + A + (1|g), data = dat) b …
Supponiamo che stiamo lavorando su un modello di effetti casuali di alcuni dati di conteggio nel tempo e che vogliamo controllare alcune tendenze. Normalmente, faresti qualcosa del tipo: lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson") per includere una forma quadratica per t. È possibile utilizzare alcune tecniche di levigatura più sofisticate …
C'è una distinzione che mi fa inciampare con modelli misti, e mi chiedo se potrei avere un po 'di chiarezza su di esso. Supponiamo che tu abbia un modello misto di dati di conteggio. C'è una variabile che sai di voler come effetto fisso (A) e un'altra variabile per il …
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.