Glmer通过纯R和rmagic产生差异

我试图复制纯R代码的结果，该代码使用lme4 glmer和Pandas->R->glmer。原始输出为

%load_ext rpy2.ipython
%R library(lme4)
%R data("respiratory", package = "HSAUR2")
%R write.csv(respiratory, 'respiratory2.csv')
%R resp <- subset(respiratory, month > "0")
%R resp$baseline <- rep(subset(respiratory, month == "0")$status,rep(4, 111))
%R resp_lmer <- glmer(status ~ baseline + month + treatment + gender + age + centre + (1 | subject),family = binomial(), data = resp)
%R -o resp_lmer_summary resp_lmer_summary = summary(resp_lmer)
%R -o exp_res exp_res = exp(fixef(resp_lmer))
print resp_lmer_summary
print exp_res

Generalized linear mixed model fit by maximum likelihood (Laplace
  Approximation) [glmerMod]
 Family: binomial  ( logit )
Formula: status ~ baseline + month + treatment + gender + age + centre +  
    (1 | subject)
   Data: resp

     AIC      BIC   logLik deviance df.resid 
   446.6    487.6   -213.3    426.6      434 

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-2.5855 -0.3609  0.1430  0.3640  2.2119 

Random effects:
 Groups  Name        Variance Std.Dev.
 subject (Intercept) 3.779    1.944   
Number of obs: 444, groups:  subject, 111

Fixed effects:
                   Estimate Std. Error z value Pr(>|z|)    
(Intercept)        -1.65460    0.77621  -2.132   0.0330 *  
baselinegood        3.08897    0.59859   5.160 2.46e-07 ***
month.L            -0.20348    0.27957  -0.728   0.4667    
month.Q            -0.02821    0.27907  -0.101   0.9195    
month.C            -0.35571    0.28085  -1.267   0.2053    
treatmenttreatment  2.16620    0.55157   3.927 8.59e-05 ***
gendermale          0.23836    0.66606   0.358   0.7204    
age                -0.02557    0.01994  -1.283   0.1997    
centre2             1.03850    0.54182   1.917   0.0553 .  
...

另一方面，当我通过Pandas读取文件时，通过rmagic将其传递给glmer to R，我得到

import pandas as pd
df = pd.read_csv('respiratory2.csv',index_col=0)
baseline = df[df['month'] == 0][['subject','status']].set_index('subject')
df['status'] = (df['status'] == 'good').astype(int)
df['baseline'] = df.apply(lambda x: baseline.ix[x['subject']],axis=1)
df['centre'] = df['centre'].astype(str)
%R -i df 
%R resp_lmer <- glmer(status ~ baseline + month + treatment + gender + age + centre + (1 | subject),family = binomial(), data = df)
%R -o res res = summary(resp_lmer)
%R -o exp_res exp_res = exp(fixef(resp_lmer))
print res

结果有些不同。当R读取文件本身时，它将月份转换为一种称为“顺序因子”的东西；然而，从Pandas->R中，这种类型被视为数值，也许这就是区别？我相信我能够正确地复制派生列基线，但是我必须将状态转换为1/0数值，而纯R可以将此列作为字符串（好/差）使用

注意：更正-我错过了Python部分中的过滤条件，其中只取了月份>0。一旦这样做了

df = df[df['month'] > 0]

---

然后治疗治疗系数为2.16，接近纯R。R仍然显示正基线良好，而熊猫->R显示负系数基线较差，但我猜这是一个微小的差异

是的，

month

是R中的一个有序因子，因此，

glmer

使用多项式对比度。相比之下，

month

是rmagic输出中的一个连续变量。什么是多项式对比？这个月是不是自己乘以2，3。。时代？在将数据交给R之前，我可以通过自己在Pandas中执行乘法来模拟这一点吗？如果您想查看由多项式对比度建立的虚拟变量，请查看

zapsmall（model.matrix（~f，d=data.frame（f=ordered（1:4）））

。您应该能够用模型中的相应值替换三个数值预测值，以替换您的

月

有序变量。PS问题不是“R vs.rpy2”；这是因为将数据作为数字而不是有序因子读回。（如果你在R中写入然后读取数据，你也会以同样的方式丢失信息。）我做的简短浏览表明，

pandas

没有太多处理分类变量的基础设施（我可能错了！），因此自己设置假人可能是你最好的选择。

df = df[df['month'] > 0]