Domande taggate «lme4-nlme»

Sto cercando di utilizzare lmedal nlmepacchetto per replicare i risultati da aovANOVA per misure ripetute. L'ho fatto per un esperimento di misure ripetute a fattore singolo e per un esperimento a due fattori con un fattore tra soggetti e un fattore tra soggetti, ma ho difficoltà a farlo per un …

19 r  anova  mixed-model  repeated-measures  lme4-nlme 

Ho un GLMM con una distribuzione binomiale e una funzione di collegamento logit e ho la sensazione che un aspetto importante dei dati non sia ben rappresentato nel modello. Per verificarlo, vorrei sapere se i dati sono ben descritti o meno da una funzione lineare sulla scala logit. Quindi, vorrei …

19 binomial  residuals  glmm  lme4-nlme 

Si prega di considerare questi dati: dt.m <- structure(list(id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12), occasion = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, …

19 r  mixed-model  stata  lme4-nlme 

Comprendo che utilizziamo modelli di effetti casuali (o effetti misti) quando riteniamo che alcuni parametri del modello possano variare in modo casuale a seconda del fattore di raggruppamento. Ho il desiderio di adattare un modello in cui la risposta è stata normalizzata e centrata (non perfettamente, ma abbastanza vicino) attraverso …

18 mixed-model  random-effects-model  fixed-effects-model  lme4-nlme  intraclass-correlation 

So che uno dei vantaggi dei modelli misti è che consentono di specificare la matrice varianza-covarianza per i dati (simmetria composta, autoregressiva, non strutturata, ecc.) Tuttavia, la lmerfunzione in R non consente di specificare facilmente questa matrice. Qualcuno sa quale struttura lmerutilizza per impostazione predefinita e perché non è possibile …

18 r  mixed-model  lme4-nlme  covariance-matrix 

Sfondo: Nota: il mio set di dati e il codice r sono inclusi sotto il testo Vorrei usare AIC per confrontare due modelli di effetti misti generati usando il pacchetto lme4 in R. Ogni modello ha un effetto fisso e un effetto casuale. L'effetto fisso differisce tra i modelli, ma …

18 maximum-likelihood  random-effects-model  fixed-effects-model  mixed-model  lme4-nlme 

Questo è il mio frame di dati: Group <- c("G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3") Subject <- c("S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15") Value <- c(9.832217741,13.62390117,13.19671612,14.68552076,9.26683366,11.67886655,14.65083473,12.20969772,11.58494621,13.58474896,12.49053635,10.28208078,12.21945867,12.58276212,15.42648969,9.466436017,11.46582655,10.78725485,10.66159358,10.86701127,12.97863424,12.85276916,8.672953949,10.44587257,13.62135205,13.64038394,12.45778874,8.655142642,10.65925259,13.18336949,11.96595556,13.5552118,11.8337142,14.01763101,11.37502161,14.14801305,13.21640866,9.141392359,11.65848845,14.20350364,14.1829714,11.26202565,11.98431285,13.77216009,11.57303893) data <- data.frame(Group, Subject, Value) Quindi eseguo un modello di effetti lineari misti per confrontare la differenza dei 3 gruppi su "Valore", dove "Oggetto" è il fattore casuale: library(lme4) library(lmerTest) model <- lmer (Value~Group …

18 r  lme4-nlme  post-hoc 

Ho dati da pazienti trattati con 2 diversi tipi di trattamenti durante l'intervento chirurgico. Devo analizzare i suoi effetti sulla frequenza cardiaca. La misurazione della frequenza cardiaca viene eseguita ogni 15 minuti. Dato che la lunghezza dell'intervento può essere diversa per ogni paziente, ogni paziente può avere tra 7 e …

17 r  mixed-model  repeated-measures  lme4-nlme 

Formule di modello in R come y ~ x + a*b + c:d sono basati sulla cosiddetta notazione di Wilkinson : Wilkinson e Rogers 1973, Descrizione simbolica dei modelli fattoriali per l'analisi della varianza . Questo documento non ha discusso delle notazioni per modelli misti (che all'epoca potrebbero non esistere). …

16 r  mixed-model  lme4-nlme  notation  history 

Sto usando la glmerfunzione dal lme4pacchetto in R, e sto usando l' bobyqaottimizzatore (cioè il valore predefinito nel mio caso). Ricevo un avviso e sono curioso di sapere cosa significhi. Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, : convergence code 3 from bobyqa: bobyqa -- a trust …

16 r  optimization  lme4-nlme  convergence  glmm 

Ho difficoltà a comprendere l'output del mio lmer()modello. È un semplice modello di una variabile di risultato (supporto) con intercettazioni di stato / effetti casuali di stato variabili: mlm1 <- lmer(Support ~ (1 | State)) I risultati di summary(mlm1)sono: Linear mixed model fit by REML Formula: Support ~ (1 | …

16 r  mixed-model  random-effects-model  lme4-nlme 

Ho usato il MCMCglmmpacchetto di recente. Sono confuso da ciò che viene indicato nella documentazione come struttura a R e struttura a G. Questi sembrano riguardare gli effetti casuali - in particolare specificando i parametri per la distribuzione precedente su di essi, ma la discussione nella documentazione sembra presumere che …

16 r  bayesian  mixed-model  lme4-nlme 

Nel mio studio misurerò il carico di lavoro con diverse metriche. Con variabilità della frequenza cardiaca (HRV), attività elettrodermica (EDA) e scala soggettiva (IWS). Dopo la normalizzazione, l'IWS ha tre valori: Carico di lavoro inferiore al normale Il carico di lavoro è nella media Il carico di lavoro è superiore …

16 r  logistic  lme4-nlme  ordered-logit  polr 

Diciamo che abbiamo un modello mod <- Y ~ X*Condition + (X*Condition|subject) # Y = logit variable # X = continuous variable # Condition = values A and B, dummy coded; the design is repeated # so all participants go through both Conditions # subject = random effects for different …

16 mixed-model  lme4-nlme  overfitting  singular 

Sto cercando di utilizzare lme4::glmer()per adattare un modello misto generalizzato binomiale (GLMM) con una variabile dipendente che non è binaria, ma una variabile continua tra zero e uno. Si può pensare a questa variabile come a una probabilità; in effetti è la probabilità riportata da soggetti umani (in un esperimento …

15 r  logistic  mixed-model  glmm  lme4-nlme