R 从混合模型中获得随机效应矩阵

在下面的代码中，我想知道如何从

library（nlme）

中的

lme（）

对象中获得与

out

和

Ts

等效的代码

---

dat我强烈建议您阅读文档！lme4和nlme使用固有的不同方法来拟合混合模型——lme4使用基于较低Cholesky因子（θ）的惩罚最小二乘公式nlme4使用广义最小二乘公式，可以选择存储为Cholesky因子——但他们的文档提供了从内部表示中获得所需信息的信息。在那之后，由您来进行数学运算，以便在表示之间进行转换

如果您执行了
？lme
，则有一行

有关配合的部件，请参见
LME对象

然后执行
？lmobject
，您会发现两个有希望的条目：

apVar


方差-协方差系数的近似协方差矩阵。如果调用
lme
时使用的控制值中
apVar=FALSE
，则此组件为
NULL

及

modelStruct
从类
lmestuct
继承的对象，表示混合效果模型组件的列表，例如
struct
、
corStruct
和
varFunc
对象

实际上，我们不需要var-cov系数，而是随机效应矩阵。所以我们可以看看
重构
。这在nlme中比lme4灵活得多，但通常只是随机效应矩阵。要做任何与lme4类似的事情，您需要将它们转换为较低的Cholesky因子。下面是一个使用
睡眠研究
数据的示例：

> library("nlme")
> library("lme4")
> 
> data("sleepstudy")
> m_nlme <- lme(fixed=Reaction ~ 1 + Days,
+               random=~ 1 + Days | Subject,
+               data=sleepstudy,
+               method = "ML")
> m_lme4 <- lmer(Reaction ~ 1 + Days + (1 + Days|Subject),
+                data=sleepstudy,
+                REML=FALSE)
> 
> re_lme4 <- getME(m_lme4, "Tlist")$Subject
> print(re_lme4)
           [,1]      [,2]
[1,] 0.92919061 0.0000000
[2,] 0.01816575 0.2226432
> 
> re_nlme <- m_nlme$modelStruct$reStruct$Subject
> # entire covariance matrix
> print(re_nlme)
Positive definite matrix structure of class pdLogChol representing
            (Intercept)       Days
(Intercept)  0.86344433 0.01688228
Days         0.01688228 0.04990040
> # get the lower cholesky factor
> re_nlme <- t(chol(re_nlme)) # could also use pdMatrix(re_nlme, TRUE)
> print(re_nlme)
            (Intercept)      Days
(Intercept)  0.92921705 0.0000000
Days         0.01816829 0.2226439

我们可以为nlme实现这一点（这不是最有效的方法，但它显示了事物是如何构建的）：

>lowerbd注意，对于MWE来说，使用一个内置数据集通常比链接到远程数据集更好，而不必解释该数据集的结构。此外，您的MWE不应该要求禁用健全性检查（例如，
check.nobs.vs.nRE
），除非问题是关于那些健全性检查Dear Livius，再次感谢你的回答。是否也在您的专业范围内？
> library("nlme")
> library("lme4")
> 
> data("sleepstudy")
> m_nlme <- lme(fixed=Reaction ~ 1 + Days,
+               random=~ 1 + Days | Subject,
+               data=sleepstudy,
+               method = "ML")
> m_lme4 <- lmer(Reaction ~ 1 + Days + (1 + Days|Subject),
+                data=sleepstudy,
+                REML=FALSE)
> 
> re_lme4 <- getME(m_lme4, "Tlist")$Subject
> print(re_lme4)
           [,1]      [,2]
[1,] 0.92919061 0.0000000
[2,] 0.01816575 0.2226432
> 
> re_nlme <- m_nlme$modelStruct$reStruct$Subject
> # entire covariance matrix
> print(re_nlme)
Positive definite matrix structure of class pdLogChol representing
            (Intercept)       Days
(Intercept)  0.86344433 0.01688228
Days         0.01688228 0.04990040
> # get the lower cholesky factor
> re_nlme <- t(chol(re_nlme)) # could also use pdMatrix(re_nlme, TRUE)
> print(re_nlme)
            (Intercept)      Days
(Intercept)  0.92921705 0.0000000
Days         0.01816829 0.2226439

> re_lme4[lower.tri(re_lme4,diag = TRUE)]
[1] 0.92919061 0.01816575 0.22264321
> getME(m_lme4, "theta")
     Subject.(Intercept) Subject.Days.(Intercept)             Subject.Days 
              0.92919061               0.01816575               0.22264321 
> getME(m_lme4, "lower")
[1]    0 -Inf    0

> lowerbd <- function(x){
+   dd <- diag(0, nrow=nrow(x))
+   dd[lower.tri(dd)] <- -Inf
+   dd[lower.tri(dd, diag=TRUE)]
+ }
> lowerbd(re_nlme)
[1]    0 -Inf    0
> lowerbd(re_lme4)
[1]    0 -Inf    0