要使用PROC nlmixed至R代碼中使用NLME

Question

問題轉換SAS代碼類似於一個在下面的帖子：

「 troubles converting proc nlmixed (SAS) to nlme (R) 」

Answer 1

這看起來並不像一個混合模型根本 - 什麼是隨機效應？它看起來像一個有點不尋常的廣義線性模型：我認爲這會做到這一點。

glm((1-p)~d1+d2+d3+d4-1,family=binomial(link="log")) 

（你必須自己翻轉參數的符號）。

Tiwari et al. 2006適合這種類型的模型。

[R相當於：

dd <- read.table("sas_vals.txt",header=TRUE,na.string=".") 
g1 <- glm((1-Y)~d1+d2+d3+d4-1,family=binomial(link="log"),data=dd, 
    start=rep(-0.1,4)) 

這是一個有點困難，可能因微小的數據集的一部分（我認爲這纔是真正的數據的一個子集 - 擬合4個參數21點二進制意見將是一個非常糟糕的主意......）

或者：

library("bbmle") 
g2 <- mle2(Y~dbinom(prob=1-exp(-p),size=1), 
      parameters=list(p~d1+d2+d3+d4-1), 
      start=list(p=0.1), 
      data=dd) 

對數似然表明mle2配合較好，並重新安裝glm符合那些起始值更好的作品：

g3 <- update(g1,start=-coef(g2)) 
g4 <- mle2(Y~dbinom(prob=1-(exp(-p)^exp(b*Treat)),size=1), 
      parameters=list(p~d1+d2+d3+d4-1), 
      start=list(p=0.1,b=0), 
      data=dd) 
summary(g4) 
##  Estimate Std. Error z value Pr(z) 
## p.d1 0.106163 0.088805 1.1955 0.2319 
## p.d2 0.241029 0.178263 1.3521 0.1763 
## p.d3 0.105970 0.113455 0.9340 0.3503 
## p.d4 0.179232 0.189951 0.9436 0.3454 
## b 0.559624 0.740500 0.7557 0.4498 

這似乎與SAS結果相當吻合。