如何使用NLME包來獲得混合模式解決方案

我的數據是這樣的如何使用NLME包來獲得混合模式解決方案

Study NDF ADF CP Eeff 
1 35.8 24.4 18.6 34.83181476 
1 35.8 24.4 18.6 33.76824264 
1 35.8 24.4 18.6 32.67390287 
1 35.8 24.4 18.6 33.05520666 
2 39.7 23.4 16.1 33.19730252 
2 39.4 22.9 16.3 34.04709188 
3 28.9 20.6 18.7 33.22501606 
3 27.1 18.9 17.9 33.80766289

當然，我有80行是這樣的。我用lme功能來運行的混合模型（研究作爲隨機效應），如下：

fm1<-lme(Eeff~NDF+ADF+CP,random=~1|Study, data=na.omit(phuong))

我得到這個結果：

Fixed effects: Ratio ~ ADF + CP + FCM + DMI + DIM 
       Value Std.Error DF t-value p-value 
(Intercept) 3.1199808 0.16237303 158 19.214896 0.0000 
ADF   -0.0265626 0.00406990 158 -6.526603 0.0000 
CP   -0.0534021 0.00539108 158 -9.905636 0.0000 
FCM   -0.0149314 0.00353524 158 -4.223598 0.0000 
DMI   0.0072318 0.00498779 158 1.449894 0.1491 
DIM   -0.0008994 0.00019408 158 -4.634076 0.0000 
Correlation: 
    (Intr) ADF CP  FCM DMI 
ADF -0.628        
CP -0.515 0.089      
FCM -0.299 0.269 -0.203    
DMI -0.229 -0.145 0.083 -0.624  
DIM -0.113 0.127 -0.061 0.010 -0.047

這些結果表明其中截距是隨機的，但斜率的情況下是固定的。我怎麼能看到我的80攔截，例如，像下面當我用研究作爲固定效應：

Coefficients: 
          Estimate  Std. Error t value Pr(>|t|)  
(Intercept)  -0.0021083 0.0102536 -0.206 0.837351  
ADF      0.0005248 0.0002962 1.772 0.078313 . 
CP      0.0021131 0.0003277 6.448 1.26e-09 *** 
factor(Study)2 0.0057274 0.0038709 1.480 0.140933  
factor(Study)3 0.0117722 0.0035262 3.338 0.001046 ** 
factor(Study)4 0.0091049 0.0043227 2.106 0.036730 * 
factor(Study)6 0.0149733 0.0045345 3.302 0.001182 ** 
factor(Study)7 0.0065518 0.0036837 1.779 0.077196 . 
factor(Study)8 0.0066134 0.0035371 1.870 0.063337 . 
factor(Study)9 0.0086758 0.0036641 2.368 0.019083 * 
factor(Study)10 0.0105657 0.0041296 2.559 0.011434 * 
factor(Study)11 0.0083694 0.0040194 2.082 0.038900 * 
factor(Study)16 0.0171258 0.0028962 5.913 1.95e-08 *** 
factor(Study)18 0.0019277 0.0042300 0.456 0.649209  
factor(Study)20 0.0172469 0.0040412 4.268 3.36e-05 *** 
factor(Study)23 0.0132676 0.0031658 4.191 4.57e-05 *** 
factor(Study)24 0.0063313 0.0031519 2.009 0.046236 * 
factor(Study)25 0.0050929 0.0039135 1.301 0.194989

非常感謝你， PHUONG

來源

2012-09-13 hn.phuong

你沒有給我們一個可重複的問題，但答案是使用coef，例如：

> library(nlme) 
> fm1 <- lme(distance~age,random=~1|Subject,data=Orthodont) 
> coef(fm1) 
    (Intercept)  age 
M16 15.84314 0.6601852 
M05 15.84314 0.6601852 
M02 16.17959 0.6601852 
M11 16.40389 0.6601852 
M07 16.51604 0.6601852 
M08 16.62819 0.6601852 
M03 16.96464 0.6601852 
[snip]

使用fixef()得到公正固定效應係數
使用ranef()以獲得隨機效果（即，每個個體與固定係數的偏差
Orthodontlme中的示例實際上使用隨機斜率（+截距）模型;在這裏，我已經裝隨機攔截模式，所以估計斜率（age參數）對於每個人來說
它看起來像個人的估計隨機效應爲了提高分類

來源

2012-09-13 14:04:30

首先非常感謝你同本。太好了！第二我很抱歉可重現數據的問題。我仍然不完全明白如何給你那個？我雖然做了什麼已經可以重現。請問你能否更清楚地告訴我，下次我提問時，這會有助於我惹惱你。 –

我可以有一個小問題：什麼是用於LME在混合效應模型這一部分結果的含義：相關：（INTR）ADF CP FCM DMI ADF -0.628 CP -0.515 0.089 FCM -0.299 0.269 - 0.203 DMI -0.229 -0.145 0.083 -0.624 DIM -0.113 0.127 -0.061 0.010 -0.047 –

我認爲（希望？:-)）你的意思是「* not *煩你」（或「煩你*少*」）。 ..基本上，「可重複」意味着我們可以剪切和粘貼以運行自己的示例 - 請參閱http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-reproducible-example。您詢問的「相關性」部分顯示了固定效應參數之間的估計相關性（例如，它可以幫助診斷模型不穩定性，但通常可以忽略）參考 –

如何使用NLME包來獲得混合模式解決方案

回答

相關問題