lme4

    0熱度

    1回答

    因此,我試圖預測隨時間變化的東西(MS_TOT)。我有我的時間變量(ExamStage:1,3,6和12個月)和我的藥物使用變量(acstatus,一個因子w三個級別)。我認爲,吸毒會影響這一變化的相互作用w個時間,我把我的11聚物模型(忽略其他變量): >model6<-lmer(MS_TOT~acstatus+ExamStage+acstatus*ExamStage+AIS.1+Level.1

    4熱度

    1回答

    我的工作流程曾經與do,failwith和lmer一起使用。現在它似乎被打破了。 我在做什麼與lm一起工作,所以我不知道它是一個錯誤還是我需要改變一些東西。 這工作: library(dplyr) library(lme4) lmer( Yield ~ 1|Batch, Dyestuff, REML = FALSE) lm( Yield ~ Batch, Dyestuff) 但是,這並

    3熱度

    1回答

    我正在使用函數使用lme4 R包創建線性混合模型。在這個模型中,我有四個隨機效果和一個固定效果(截距)。我的問題是關於隨機效應的估計方差。是否有可能以類似的方式爲SAS和PARMS參數指定協方差參數的初始值。 在以下例子中,所估計的方差是: c(0.00000, 0.03716, 0.00000, 0.02306) 我想固定這些以(例如)所以有未估計 c(0.09902947, 0.02460

    0熱度

    1回答

    在我的研究中,我在多個地區對不同地區的相同網站進行了抽樣。每個網站每年都有不同的屬性,這對我的研究問題非常重要。我想知道,如果網站的屬性影響生物多樣性的網站。我對這些產品和地區的相互作用感興趣。 概述: 生物多樣性=響應 站點屬性=固定的因素,每年都在變化 地區=固定的因素,同樣每年區 網站=隨機效應,重複採樣在不同採樣年份 年=隨機效應,是「站點」重複的因子 此刻我的模型是這樣的: mod1 <

    2熱度

    1回答

    我有時會發現從glmer,包lme4我GLMMs參數,顯示下面的警告消息,當他們的總結叫做: Warning messages: 1: In vcov.merMod(object, use.hessian = use.hessian) : variance-covariance matrix computed from finite-difference Hessian is not

    1熱度

    1回答

    案例: 我想從55個原產區(IDo)估計遷移(mig)的引力模型,以54個目標區(IDd)。兩個重要的預測指標是每個起點和目的地區域之間的距離(dist)以及任何起點 - 目的地區域對的連續性指示變量(contig)。遷移結果變量是衡量一對區之間遷移的人數(從零到幾千)的度量。以下是一個近似我的數據情況的測試數據集。在實際數據中,遷移結果變量的理想泊松分佈略差(min=0, max=9450, m

    0熱度

    1回答

    我正在嘗試使用lme4程序包在R中運行下面最大的glmer模型,但目前爲止運行時間超過24小時,沒有任何運氣。 library(lme4) maxwvq <- glmer(match~Listgp+context+length+age+ I(age^2) + gender+ freq.+ I(freq.^2) + vowel.quality + Listg

    1熱度

    1回答

    我試圖在兩個單獨的數據集上執行lmerTest,出於某種原因,跟蹤其中一個數據集的錯誤。 在PF(F.stat,QR(LC)$排名,nu.F):NaN的生產 This dataset給我的交互項的habitat和soil之間沒有問題的p值。它具有相似的結構 Analysis of Variance Table of type III with Satterthwaite approximatio

    3熱度

    2回答

    我正在嘗試使用Python statsmodels線性混合效果模型來擬合具有兩個隨機截取的模型,例如,兩組。我無法弄清楚如何初始化模型,以便我可以做到這一點。 下面是這個例子。我有數據,如下所示(從here拍攝): subject gender scenario attitude frequency F1 F 1 pol 213.3 F1 F 1 inf 204.5 F1 F 2 pol 2

    0熱度

    1回答

    工作數據看起來像: set.seed(1234) df <- data.frame(y = rnorm(1:30), fac1 = as.factor(sample(c("A","B","C","D","E"),30, replace = T)), fac2 = as.factor(sample(c("NY","NC","CA"),30,replace = T))