mixed-models

    1热度

    3回答

    我正在做一个混合模型重复措施ANOVA。我想运行事后测试来查看交互TREAT * TIME的p值,但是我只设法使用下面的ghlt Tukey测试,它不会给我所寻找的交互。 library(multcomp) library(nlme) oi<-lme(total ~ TREAT * TIME, data=TURN, random = ~1|NO_UNIT) anova(oi) summar

    1热度

    1回答

    我尝试使用glmer来模拟珊瑚招聘,并在重新缩放变量后运行模型时出现错误“错误:无效的分组因子规范,站点”。帮助非常感谢 m1<-glmer(Tot~cs.Tile(Tile)+cs.Coral_T(Coral_T)+cs.Sponge(Sponge)+ cs.Turf(Turf)+cs.Acro(Acro)+cs.Por(Por)+cs.Poc(Poc)+ cs.Mer(Mer)+cs.Ag

    0热度

    1回答

    我想报告nlme包中的一个因子lme的结果。我想知道A对y的整体影响。要做到这一点我将与空模型的模型对比: m1 <- lme(y~A,random=~1|B/C,data=data,weights=varIdent(form = ~1|A),method="ML") m0 <- lme(y~1,random=~1|B/C,data=data,weights=varIdent(form = ~

    0热度

    1回答

    我试图完成纵向数据分析中的作业。 现在的问题是比较模型中年龄的横截面和纵向效应(基线横截面:基底,纵向年龄:年龄变化)的差异。 模型予代码等: 适合< -lme(logfev1〜baseage + agechange +高度,随机=〜1 | ID,相关性= corAR1(形式=〜访问| ID),logfev1) 在Stata的,我们只需要如下代码:测试baseage = agechange,那么答

    0热度

    1回答

    我有六个固定因子:A, B, C, D, E和F,以及一个随机因子R。我想用语言R.所以测试线性方面,纯二次条款和双向交互,我构建了完整的线性混合模型,并试图drop1,以测试其条款: full.model <- lmer(Z ~ A + B + C + D + E + F + I(A^2) + I(B^2) + I(C^2) + I(D^2) + I(E^2) + I(F^2)

    0热度

    1回答

    我以前在软件包lme4中使用glmer()运行混合模型分析。我现在想在包nlme中使用lme()运行相同的分析。这是因为随后使用的函数需要输出或调用lme()混合模型。 随后使用的函数尝试使用函数segmented.lme()在数据中查找断点。这个函数的代码可以在这里找到:https://www.researchgate.net/publication/292986444_segmented_mi

    1热度

    1回答

    我在解释嵌套混合效果模型中的基准系数时遇到问题。我已经安装了一个模型Test.Score〜Subject +(1 | School/Class),因为班级嵌套在学校内。当我看着系数但是使用COEF(模型),他们似乎直觉: $`Class:School` (Intercept) SubjectMaths 1:A 82.73262 -4.108333 1:B 83.98870 -4.1

    2热度

    1回答

    我正在分析一个数据集,其中〜10个人暴露于一套治疗(时间)并记录死亡率(活着,死亡)。 glmer被用来模拟数据,因为治疗被阻止(试验)。 从以下模型中,我想要预测50%个人死亡的时间。 Trial <- c(1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3) Time <- c(2, 6, 9, 12, 15, 18, 21, 24

    0热度

    1回答

    我想用R包MCMCglmm来估计一个二项式模型。该模型应包含一个截距和一个斜率 - 既作为固定部分也作为随机部分。我该如何指定一个可接受的prior? (请注意,here is a similar question,但在更复杂的设置。) 假设数据具有以下形式: y x cluster 1 0 -0.56047565 1 2 1 -0.23017749 1 3 0 1.55870831

    1热度

    1回答

    我正在使用多级模型尝试描述纵向变化中的不同模式。当随机效应完全相关时,Dingemanse et al (2010)描述了“扇出”模式。然而,我发现当随机效应之间的关系是非线性的但在观察到的时间间隔内单调递增时会出现类似的模式。在这种情况下,随机效应并不完全相关,而是由函数描述。 请参阅下面的示例以获取此示例。这个例子仍然具有很高的截距 - 斜率相关性(> .9),但是可以得到低于.7的相关性,同