如何用lme4估计R中子群的残差

我想用R

在第一个例子中，他们比较了老年人和年轻人的反应时间。每个参与者都有许多任务测试。因此，在个体层面上，参与者的反应时间受到与他们操纵试验相关的各种变量的影响。在第二个层面，参与者的年龄和年龄组会影响参与者的反应时

在霍夫曼的模型2B中，他们分别估计了老年人和年轻人的一级残差，年轻人和老年人有两个虚拟变量

霍夫曼方程是

我想知道如何估计lme4包中的两个残差

霍夫曼的文章和示例数据可以在

我已经成功地复制了模型2A的结果，其中假设年轻人和老年人的方差相同，代码如下

lmer(lg_rt ~ c_mean + c_sal + (1|Item) + oldage + yrs65 + (1|id), Ex1, REML = F)

---

您可以使用模块化拟合函数处理lme4中的异方差。这是一个有两组的例子，应该可以扩展到其他类型的异方差。注意，虽然重量是估计的，但在最终拟合的参数标准误差中未考虑重量的不确定性。这个问题应该可以使用delta方法来解决，例如，参见第2.3.3节中的第一个方程

set.seed（1234）
图书馆（dplyr）
#> 
#>正在附加包：“dplyr”
#>以下对象已从“package:stats”屏蔽：
#> 
#>滤波器，滞后
#>以下对象已从“package:base”屏蔽：
#> 
#>相交、setdiff、setequal、并集
图书馆（tidyr）
图书馆（lme4）
#>加载所需包：矩阵
#> 
#>附加包：“矩阵”
#>以下对象已从“package:tidyr”屏蔽：
#> 
#>展开、打包、解包
n这很清楚，但仍然有点“给我代码”。你们为自己实现这一点已经走了多远？我试着用谷歌搜索它，并从图书馆读了几本关于R中混合模型的书。也许我没有使用正确的关键字，我无法在谷歌搜索结果中找到解决方案。在书中，他们都只提到组间差异相等的情况。我尝试添加年轻组和老年组的虚拟变量，但结果与霍夫曼的不一样。总结（lmer（lg|rt~c|u mean+c|sal+oldage+yrs65+（1 | Item）+（1 | Young/id）+（1 | Oold/id），Ex1，REML=F））不幸的是，我发现目前似乎只有
nlme
能够处理异方差问题。但是，在这个模型中有两种交叉随机效应，与
lme4
相比，
nlme
中没有简单的方法来处理交叉随机效应。在lme4中有按组处理异方差的方法：或者，可能更容易，在较新的
glmmTMB
包中。。。