R 无法安装正确的lme()
我想拟合一个混合效应模型,该模型允许我解释不同地理区域之间的不平等差异。具体来说,我想预测响应作为固定效应X的函数,geo作为随机效应 以下是数据的外观:R 无法安装正确的lme(),r,mixed-models,R,Mixed Models,我想拟合一个混合效应模型,该模型允许我解释不同地理区域之间的不平等差异。具体来说,我想预测响应作为固定效应X的函数,geo作为随机效应 以下是数据的外观: X response geo 1 4 5.521461 other 2 4 5.164786 other 3 4 5.164786 other 4 6 3.401197 oth
X response geo
1 4 5.521461 other
2 4 5.164786 other
3 4 5.164786 other
4 6 3.401197 other
5 5 4.867534 other
6 4 5.010635 other
“地理位置”列的唯一值:
[1] "other" "Atlanta-Sandy Springs-Marietta, GA" "Chicago-Naperville-Joliet, IL-IN-WI" "Dallas-Fort Worth-Arlington, TX"
[5] "Houston-Sugar Land-Baytown, TX" "Los Angeles-Long Beach-Santa Ana, CA" "Miami-Fort Lauderdale-Pompano Beach, FL" "Phoenix-Mesa-Glendale, AZ"
以下是我尝试的模型:
> lme0 <- lme(response ~ factor(predictor) , random = ~1|factor(geo), data = HC_hired)
> summary(lme0)
Linear mixed-effects model fit by REML
Data: HC_hired
AIC BIC logLik
54770.69 54836.3 -27377.34
Random effects:
Formula: ~1 | factor(geo)
(Intercept) Residual
StdDev: 0.08689381 0.66802
Fixed effects: response ~ factor(predictor)
Value Std.Error DF t-value p-value
(Intercept) 4.255531 0.04410213 26918 96.49264 0.0000
factor(predictor)2 0.022986 0.03336742 26918 0.68889 0.4909
factor(predictor)3 0.166341 0.03221410 26918 5.16361 0.0000
factor(predictor)4 0.299172 0.03194177 26918 9.36618 0.0000
factor(predictor)5 0.378645 0.03249053 26918 11.65402 0.0000
factor(predictor)6 0.472583 0.03664732 26918 12.89543 0.0000
Correlation:
(Intr) fct()2 fct()3 fct()4 fct()5
factor(predictor)2 -0.660
factor(predictor)3 -0.683 0.903
factor(predictor)4 -0.689 0.912 0.945
factor(predictor)5 -0.679 0.897 0.930 0.940
factor(predictor)6 -0.603 0.795 0.824 0.832 0.819
Standardized Within-Group Residuals:
Min Q1 Med Q3 Max
-4.7047458 -0.3424262 0.1883132 0.7045260 2.1949313
Number of Observations: 26931
Number of Groups: 8
我的问题是,输出并没有为每个级别的geo指定随机效果。进行此操作的正确型号规格是什么?我尝试了许多公式的排列,但运气不好。欢迎对整个过程发表任何意见。非常感谢
对强制将地理位置转换为因子的注释的响应不会更改输出:
HC_雇佣$geo在指定模型之前,您是否尝试强制geo使用因子?是的,输出完全相同。有关我的方法,请参见编辑。ranef,lme函数对于从lme对象提取随机效果非常有用。如果您希望允许分组变量级别之间的差异异质性,varIdent很可能就是您想要的。