如何獲得混合效應模型中的係數及其置信區間？

在lm和glm模型，我使用的功能coef和confint要實現的目標：如何獲得混合效應模型中的係數及其置信區間？

m = lm(resp ~ 0 + var1 + var1:var2) # var1 categorical, var2 continuous 
coef(m) 
confint(m)

現在我添加到模型中隨機效應 - 利用lme4包lmer功能使用混合效應模型。但是，功能coef和confint不再適用於我！

> mix1 = lmer(resp ~ 0 + var1 + var1:var2 + (1|var3)) 
             # var1, var3 categorical, var2 continuous 
> coef(mix1) 
Error in coef(mix1) : unable to align random and fixed effects 
> confint(mix1) 
Error: $ operator not defined for this S4 class

我試圖谷歌和使用文檔，但沒有結果。請指向正確的方向。

編輯：我也在考慮這個問題是否適合https://stats.stackexchange.com/更多，但我認爲它比統計技術更具技術性，所以我認爲它最適合這裏（SO）......你怎麼看？

來源

2012-06-17 TMS

爲了讓您一開始，直到有人喜歡@BenBolker顯示出來（專家）：'lmer'列表方法'fixef'和'ranef'除了'coef'。由於你的錯誤表明它在結合這兩者時遇到了困難，所以問題很可能是你的模型規範在某種程度上「不尋常」。 – joran

謝謝@joran。我的模型規格在忽略攔截方面可能是不尋常的 - 我想這樣做，否則係數是無稽之談。 'var1'是分類的，我想爲它的每個類別「分組截取」。如果我允許攔截（從公式中刪除'0 +'），'coef'運行，但不會給我所期望的。 'fixef'很棒，謝謝！但是'confint'根本不起作用。 – TMS

我將提取您直接從S4對象所需要的數據 - 看到這個帖子的答案：http://stackoverflow.com/questions/8526681/extract-random-effect-variances-from-lme4-mer-model-object –

我建議你使用良好的老lme（在包nlme中）。它具有保密性，如果您需要對比，我們會提供一系列選擇（可以在gmodels中進行估計，在contrast中進行對比，在multcomp中進行調整）。

爲什麼p值和confint在lmer中不存在：請參閱http://finzi.psych.upenn.edu/R/Rhelp02a/archive/76742.html。

來源

2012-06-17 16:24:29

感謝Dieter，我會嘗試較舊的軟件包。 P值的缺失 - 以及可能立即說出重要意義 - 也讓我感到震驚！對我來說沒有任何意義，如果我能夠獲得置信區間，那麼我會簡單地看它是否包含零 - 無論如何都有意義！問候， – TMS

我忘了提及confint（glmt ...從multcomp包給出了lmer。Douglas Bates注意事項的漸近置信區間仍然適用，但他大膽的離開lmer/gaussian的p值肯定會激起湯。 –

迪特，你是什麼意思與「confint（glht」？有沒有在multcomp包中沒有confint功能... – TMS

假設爲固定效應（其也confint會做）正常近似，我們可以通過

估計+ 1.96 *標準誤差獲得95％置信區間。

以下不適用於方差分量/隨機效應。

library("lme4") 
mylm <- lmer(Reaction ~ Days + (Days|Subject), data =sleepstudy) 

# standard error of coefficient 

days_se <- sqrt(diag(vcov(mylm)))[2] 

# estimated coefficient 

days_coef <- fixef(mylm)[2] 

upperCI <- days_coef + 1.96*days_se 
lowerCI <- days_coef - 1.96*days_se

來源

2012-06-17 18:52:08 julieth

嗨朱莉，好主意，但[真實的置信區間（通過confint計算）和這些...]（http://stats.stackexchange.com/q/29981/5509）之間存在差異。也許t分佈會給出與confint相同的結果（雖然不確定），但在這種情況下，我不知道應該使用的df。 – TMS

換句話說，這就是爲什麼我更喜歡使用'confint'等函數爲我做這一切的原因......（特別是如果我不確定係數的正態分佈）。 – TMS

t分佈是漸近正態的，許多多層次設計中誤差項的自由度非常高，以致誤差分佈在該點是正常的。因此，如果你有一個自由度很大的設計，這是一個完全合理的置信區間估計。 – John

有兩個新的軟件包，lmerTest和lsmeans，可以計算95％置信區間爲lmer和glmer輸出。也許你可以看看那些？我認爲也可以這樣做（儘管Ben在下面用一種不太複雜的方式指出了Wald統計的標準誤差，而不是在lmerTest和lsmeans中使用的Kenward-Roger和/或Satterthwaite df近似值）...只是遺憾的是，lsmeans包中仍然沒有內置的繪圖工具（因爲包effects()，這也反過來返回95％置信限lmer和glmer對象，但通過重新設計模型沒有任何隨機因素，這顯然是不正確的）。

來源

2013-06-26 20:36:04

+1哇感謝，但請修復鏈接.. – TMS

'coefplot2'確實很天真，通過計算1.96倍沃爾德標準錯誤 - 它沒有解決有限尺寸修正的非常顯著問題獨聯體 –

還要檢查這個帖子http://stats.stackexchange.com/questions/117641/how-trustworthy-are-the-confidence-intervals-for-lmer-objects-through-effects-pa進行更詳細的解答 –

不知道它何時被添加，但現在confint（）在lme4中實現。例如，下面的示例：

library(lme4) 
m = lmer(Reaction ~ Days + (Days | Subject), sleepstudy) 
confint(m)

來源

2017-03-10 20:16:46 jciloa

要找到係數，你可以簡單地使用lme4

m = lm(resp ~ 0 + var1 + var1:var2) # var1 categorical, var2 continuous 
m_summary <- summary(m)

的彙總函數將所有係數：

m_summary$coefficient

如果您想要置信區間，將標準誤差乘以1。96：

CI <- m_summary$coefficient[,"Std. Error"]*1.96 
print(CI)

來源

2017-05-23 13:32:07 denis

中有很好的描述，這裏的1.96因子是95％置信區間 – denis

如何獲得混合效應模型中的係數及其置信區間？

回答

相關問題