Sé que una de las ventajas de la mezcla de modelos es que permiten especificar de varianza-covarianza de la matriz de los datos (compuesto de simetría, autorregresivo, no estructurados, etc.) Sin embargo, lmer función en R no permiten la especificación de esta matriz. ¿Alguien sabe qué estructura lmer utiliza por defecto y por qué no hay manera de especificar fácilmente?
Respuestas
¿Demasiados anuncios?
StasK
Puntos
19497
Los modelos mixtos son (generalizada versiones de) de componentes de varianza de los modelos. Anote los efectos fijos de la parte, añadir los términos de error que puede ser común para algunos grupos de observaciones, añadir la función de enlace si es necesario, y poner esto en una probabilidad maximizer.
Los diferentes de la varianza de las estructuras que usted está describiendo, sin embargo, son el trabajo de correlación de los modelos de las ecuaciones de estimación generalizadas, que el comercio fuera de la flexibilidad de la mezcla/modelos multinivel para la solidez de la inferencia. Con GEEs, que sólo están interesados en la realización de inferencias sobre la parte fija, y usted está de acuerdo con no estimar los componentes de varianza, como lo haría en un modelo mixto. Para estos efectos fijos, se obtiene un sólido/sándwich de estimación que es apropiada, incluso cuando su correlación estructura es misspecfieid. Inferencia por el modelo mixto se romperá si el modelo está mal especificada, sin embargo.
Así, mientras que tener mucho en común (una estructura multinivel y la capacidad para tratar residual correlaciones), los modelos mixtos y GEEs todavía son un poco distintos procedimientos. El paquete de R que se ocupa de la GEEs es llamado apropiadamente gee, y en la lista de posibles valores de corstr opción encontrará las estructuras que usted ha mencionado.
Desde el punto de vista de la GEEs, lmer trabaja con intercambiable correlaciones... al menos cuando la modelo tiene dos niveles de jerarquía, y sólo el azar se intercepta especificado.
March Ho
Puntos
360
El FlexLamba rama de lmer proporciona esta funcionalidad.
Ver https://github.com/lme4/lme4/issues/224 para ejemplos de cómo implementar una estructura específica de los errores o de efectos aleatorios.
usεr11852
Puntos
5514
A mi conocimiento lmer no es tener una forma "fácil" para abordar esta cuestión. También, dado que en la mayoría de los casos lmer hace un uso intensivo de las matrices dispersas para la factorización de Cholesky, me sería poco probable que permite totalmente desestructurado VCV.
A la dirección de tu a tu pregunta sobre "estructura predeterminada": no hay un concepto de incumplimiento; dependiendo de cómo se define su estructura, el uso de esa estructura. Por ejemplo. el uso de efectos aleatorios como : $(1|RandEff_1)+(1|RandEff_2)$ donde cada uno de efectos aleatorios tiene 3 niveles resultará en unnested e independiente de los efectos aleatorios y una diagonal de efectos aleatorios VCV matriz de la forma:
$R = \begin{bmatrix} \sigma_{RE1}^2 & 0& 0 & & 0 & 0 & 0\\ 0 & \sigma_{RE1}^2& 0 & & 0 & 0 & 0\\ 0 & 0& \sigma_{RE1}^2 & & 0 & 0 & 0\\ 0& 0& 0 & & \sigma_{RE2}^2 & 0 & 0 \\ 0 & 0& 0 & & 0 & \sigma_{RE2}^2 & 0\\ 0& 0& 0 & & 0& 0 & \sigma_{RE2}^2 \\\end{bmatrix}$
No todo está perdido con la del LME, aunque: Puede especificar estas VCV matriz de atributos "fácilmente" se utiliza el R-paquete MCMCglmm. Mira la CourseNotes.pdf, pág.70. En esa página te da algunos análogos sobre cómo lme4 de efectos aleatorios, la estructura sería definido, pero como se verá a sí mismo, lmer es menos flexible que el MCMCglmm en esta materia.
A medio camino hay un problema nlme del lme corStruct clases, por ejemplo. corCompSymm, corAR1, etc. etc. Fabian la respuesta en este dibujo da algunos más concisa ejemplos para lme4 basado en VCV especificaciones, pero como se mencionó antes, no son tan explícitas como aquellos en MCMCglmm o nlme.
