R多模型多功能

我编写了一个例程，从lmer模型中提取信息，计算ICC，并从lmerTest的ranova函数中获得LRT。我下面的方法很有效，但我认为可以通过（a）将两个函数合并为一个函数并返回一个列表来改进，但我似乎无法使用purrr的map函数访问列表元素，以及（b）使用多个mutate/purrr行在一个位置获取所有需要的数据，而不必稍后进行连接。我的代码如下所示，使用Hox（2002）中提供的“Peet”数据集，可从UCLA IDRE网站获得：

library(foreign)
library(lme4)
library(tidyverse)
library(purrr)


#Peet family data described and used in Hox
peet.dat<-read.dta("https://stats.idre.ucla.edu/stat/stata/examples/mlm_ma_hox/peetmis.dta")

names(peet.dat)

#convert to long format
peet.long.dat <- peet.dat %>%
  tidyr::gather(type, score, -family,-sex,-person) %>%
  arrange(type)

names(peet.long.dat)

#need two functions, one for the MLM estimates and the other for
#ranova p-test for variance--merge later by type

aov_model <- function(df) {
  lmr.model <- lmerTest::lmer(score~ 1 + (1|family), data=df)
}

aov_test <- function(df) {
  lmr.model <- lmerTest::lmer(score~ 1 + (1|family), data=df)
  ll.test <- lmerTest::ranova(lmr.model)
}

#get the model estimates
models <- peet.long.dat %>%
  nest(-type) %>%
  mutate(aov_obj = map(data, aov_model),
         summaries = map(aov_obj, broom.mixed::tidy)) %>%
  unnest(summaries, .drop = T) %>%
  select(type, effect, estimate, term) %>%
  filter(effect != "fixed") %>%
  mutate(variance = estimate^2) %>%
  select(-estimate, -effect) %>%
  spread(term, variance) %>%
  rename(group.var = `sd__(Intercept)`, residual = `sd__Observation`) %>%
  mutate(ICC = group.var/(group.var+residual))


models

#get the ranova LRTs
tests <- peet.long.dat %>%
  nest(-type) %>%
  mutate(test_obj = map(data, aov_test),
         test_summaries = map(test_obj, broom.mixed::tidy)) %>%
  unnest(test_summaries, .drop = T) %>%
  filter(!is.na(LRT))

#join estimates with LRT p values
models %>% left_join(tests[c("type","p.value")])

库（外文）
图书馆（lme4）
图书馆（tidyverse）
图书馆（purrr）
#Hox中描述和使用的Peet系列数据
peet.dat%
排列（类型）
名称（peet.long.dat）
#需要两个功能，一个用于传销估算，另一个用于
#方差的ranova p检验——稍后按类型合并
aov_模型%
变异（方差=估计值^2）%>%
选择（-estimate，-effect）%>%
价差（期限、差异）%>%
重命名（group.var=`sd\uuu（Intercept）`，resident=`sd\uu Observation`）%>%
突变（ICC=组变量/（组变量+残差））
模型
#去拉诺瓦轻轨
测试%
嵌套（-type）%%>%
变异（测试对象=地图（数据，aov测试），
测试摘要=地图（测试对象，扫帚混合：：整齐））%>%
未测试（测试摘要，.drop=T）%>%
过滤器（！is.na（LRT））
#将估算值与LRT p值连接起来
模型%>%左联合（测试[c（“类型”，“p.value”）]））

非常感谢您的帮助