R：使用新的lme4软件包的bootMer（）引导二进制混合模型logistic回归

Question

我想要使用新lme4软件包（当前的开发人员版本）的新bootMer（）功能。我是R新手，不知道应该为FUN参数编写哪个函数。它说它需要一个数值向量，但我不知道该功能会执行什么。所以我有一个混合模型公式，它被转换到bootMer（），并且有许多重复项。所以我不知道这个外部函数做了什么？它应该是自举方法的模板吗？ bootMer中没有引导方法吗？那么为什么他们需要一个外部的“利益统计”呢？我应该使用哪种统计数据？

下面的语法是否适合工作？ R一直在产生FUN必须是数值向量的错误。我不知道如何将估算与“合适”分开，甚至我应该这样做呢？我可以说我迷失了这个“乐趣”的说法。此外，我不知道应该使用变量“Mixed5”传递混合模型glmer（）公式，还是应该传递一些指针和引用？我在例子中看到的是X（bootMer（第一个参数）是* 11聚物（）对象我想写* Mixed5但它呈现的错误

非常感谢

我的代码。：

library(lme4) 
library(boot) 

(mixed5 <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
       + (1 | PatientID) + (0 + Trt | PatientID) 
       , family=binomial(logit), MixedModelData4)) 


FUN <- function(formula) { 
    fit <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
       + (1 | PatientID) + (0 + Trt | PatientID) 
       , family=binomial(logit), MixedModelData4) 
    return(coef(fit)) 
} 

result <- bootMer(mixed5, FUN, nsim = 3, seed = NULL, use.u = FALSE, 
     type = c("parametric"), 
     verbose = T, .progress = "none", PBargs = list()) 

result 
FUN 
fit 

和错误：

Error in bootMer(mixed5, FUN, nsim = 3, seed = NULL, use.u = FALSE, type = c("parametric"), : 
    bootMer currently only handles functions that return numeric vectors 

-------------------------------- ------------------------更新------------------------- ----------------------------

我编辑了像本指导的代码。代码运行得很好，但SE和Biases都是零。你也知道如何从这个输出中提取P值（对我来说很陌生）？我应该使用混合（）的afex包吗？

我修改后的代码：

library(lme4) 
library(boot) 

(mixed5 <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
       + (0 + Trt | PatientID) 
       , family=binomial(logit), MixedModelData4)) 


FUN <- function(fit) { 
    fit <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
       + (1 | PatientID) + (0 + Trt | PatientID) 
       , family=binomial(logit), MixedModelData4) 
    return(fixef(fit)) 
} 

result <- bootMer(mixed5, FUN, nsim = 3) 

result 

----------------------------------- ---------------------更新2 --------------------------- --------------------------

我也试过以下，但代码生成警告，并没有给出任何结果。

(mixed5 <- glmer(DV ~ Demo1 +Demo2 +Demo3 +Demo4 +Trt 
       + (1 | PatientID) + (0 + Trt | PatientID) 
       , family=binomial(logit), MixedModelData4)) 

FUN <- function(mixed5) { 
    return(fixef(mixed5))} 

result <- bootMer(mixed5, FUN, nsim = 2) 

警告消息：

In bootMer(mixed5, FUN, nsim = 2) : some bootstrap runs failed (2/2) 
> result 

Call: 
bootMer(x = mixed5, FUN = FUN, nsim = 2) 

Bootstrap Statistics : 
WARNING: All values of t1* are NA 
WARNING: All values of t2* are NA 
WARNING: All values of t3* are NA 
WARNING: All values of t4* are NA 
WARNING: All values of t5* are NA 
WARNING: All values of t6* are NA 

--------------------------------- -----------------------更新3 ------------------------- ----------------------------

此代码以及生成警告：

FUN <- function(fit) { 
    return(fixef(fit))} 

result <- bootMer(mixed5, FUN, nsim = 2) 

的警告和结果：

Warning message: 
In bootMer(mixed5, FUN, nsim = 2) : some bootstrap runs failed (2/2) 
> result 

Call: 
bootMer(x = mixed5, FUN = FUN, nsim = 2) 

Bootstrap Statistics : 
WARNING: All values of t1* are NA 
WARNING: All values of t2* are NA 
WARNING: All values of t3* are NA 
WARNING: All values of t4* are NA 
WARNING: All values of t5* are NA 
WARNING: All values of t6* are NA 

Answer 1

这里基本上有两个（简单）混淆。

• 首先是之间coef()（返回矩阵的列表）和fixef()（返回的固定效果 系数向量）：我认为fixef()是你想要的，虽然你可能要像c(fixef(mixed),unlist(VarCorr(mixed)))。
• 二是FUN应采取拟合模型对象作为输入...

例如：

library(lme4) 
library(boot) 

mixed <- glmer(incidence/size ~ period + (1|herd), 
       weights=size, data=cbpp, family=binomial) 

FUN <- function(fit) { 
    return(fixef(fit)) 
} 

result <- bootMer(mixed, FUN, nsim = 3) 

result 

## Call: 
## bootMer(x = mixed, FUN = FUN, nsim = 3) 
## Bootstrap Statistics : 
##  original  bias std. error 
## t1* -1.398343 -0.20084060 0.09157886 
## t2* -0.991925 0.02597136 0.18432336 
## t3* -1.128216 -0.03456143 0.05967291 
## t4* -1.579745 -0.08249495 0.38272580 
## 

Answer 2

这可能是同样的问题，that I reported as an issue here。至少它导致了同样的，无益的错误信息，并且让我花了一段时间。

这将意味着你的数据错误，这是lmer忽略的，但是它会导致bootMer失效。

尝试：

(mixed5 <- glmer(DV ~ (Demo1 +Demo2 +Demo3 +Demo4 +Trt)^2 
       + (1 | PatientID) + (0 + Trt | PatientID) 
       , family=binomial(logit), na.omit(MixedModelData4[,c('DV','Demo1','Demo2','Demo3','Trt','PatientId')])))