2
我試圖擬合一個有大量預測變量的模型,因此在模型公式中列舉它們會很繁瑣。這是簡單的用流明()做:使用帶有lmer()的預測變量矩陣
indicatorMatrix <- data.frame(matrix(rbinom(26000, 1, 1/3), ncol = 26))
colnames(indicatorMatrix) <- LETTERS
someDV <- rnorm(nrow(indicatorMatrix))
head(indicatorMatrix)
# One method, enumerating variables by name:
olsModel1 <- lm(someDV ~ A + B + C + D, # ...etc.
data = indicatorMatrix)
# Preferred method, including the matrix of predictors:
olsModel2 <- lm(someDV ~ as.matrix(indicatorMatrix))
summary(olsModel2)
因爲我有一個非常大的數字預測的(超過在這26個發明例),我不想一一列舉分別作爲第一例如(someDV ~ A + B + C + D...
),我可以通過僅包括預測變量as.matrix
來避免這種情況。
但是,我想,以適應混合效應模型,就像這樣:
library(lme4)
meModel1 <- lmer(someDV ~ (1 | A) + (1 | B) + (1 | C), # ...etc.
data = indicatorMatrix)
summary(meModel1)
除了,我想包括大量的隨機效應方面。我不想輸入(1 | A) ... (1 | ZZZ)
,我想以類似於上述olsModel2
所使用的矩陣方法的方式來包含每個預測變量。下面,很明顯,不工作:你有我如何能最好地複製與11聚物()隨機效應的矩陣預測方法的任何建議
meModel2 <- lmer(someDV ~ (1 | as.matrix(indicatorMatrix)))
做什麼?我非常願意考慮「實用」解決方案(即黑客),只要它們是「程序化的」,並且不需要我複製粘貼等。
在此先感謝您的時間。
你也可以使用'reconfulate(restring1,response ='someDV')' – mnel
這個必須是最快滿意答案的新紀錄。現在我已經學會了一種方便的新方法來建立配方!非常感謝你們兩位。 – isDotR