mixed-models

    1熱度

    3回答

    我正在做一個混合模型重複措施ANOVA。我想運行事後測試來查看交互TREAT * TIME的p值,但是我只設法使用下面的ghlt Tukey測試,它不會給我所尋找的交互。 library(multcomp) library(nlme) oi<-lme(total ~ TREAT * TIME, data=TURN, random = ~1|NO_UNIT) anova(oi) summar

    1熱度

    1回答

    我嘗試使用glmer來模擬珊瑚招聘,並在重新縮放變量後運行模型時出現錯誤「錯誤:無效的分組因子規範,站點」。幫助非常感謝 m1<-glmer(Tot~cs.Tile(Tile)+cs.Coral_T(Coral_T)+cs.Sponge(Sponge)+ cs.Turf(Turf)+cs.Acro(Acro)+cs.Por(Por)+cs.Poc(Poc)+ cs.Mer(Mer)+cs.Ag

    0熱度

    1回答

    我想報告nlme包中的一個因子lme的結果。我想知道A對y的整體影響。要做到這一點我將與空模型的模型對比: m1 <- lme(y~A,random=~1|B/C,data=data,weights=varIdent(form = ~1|A),method="ML") m0 <- lme(y~1,random=~1|B/C,data=data,weights=varIdent(form = ~

    0熱度

    1回答

    我試圖完成縱向數據分析中的作業。 現在的問題是比較模型中年齡的橫截面和縱向效應(基線橫截面:基底,縱向年齡:年齡變化)的差異。 模型予代碼等: 適合< -lme(logfev1〜baseage + agechange +高度,隨機=〜1 | ID,相關性= corAR1(形式=〜訪問| ID),logfev1) 在Stata的,我們只需要如下代碼:測試baseage = agechange,那麼答

    0熱度

    1回答

    我有六個固定因子:A, B, C, D, E和F,以及一個隨機因子R。我想用語言R.所以測試線性方面,純二次條款和雙向交互,我構建了完整的線性混合模型,並試圖drop1,以測試其條款: full.model <- lmer(Z ~ A + B + C + D + E + F + I(A^2) + I(B^2) + I(C^2) + I(D^2) + I(E^2) + I(F^2)

    0熱度

    1回答

    我以前在軟件包lme4中使用glmer()運行混合模型分析。我現在想在包nlme中使用lme()運行相同的分析。這是因爲隨後使用的函數需要輸出或調用lme()混合模型。 隨後使用的函數嘗試使用函數segmented.lme()在數據中查找斷點。這個函數的代碼可以在這裏找到:https://www.researchgate.net/publication/292986444_segmented_mi

    1熱度

    1回答

    我在解釋嵌套混合效果模型中的基準係數時遇到問題。我已經安裝了一個模型Test.Score〜Subject +(1 | School/Class),因爲班級嵌套在學校內。當我看着係數但是使用COEF(模型),他們似乎直覺: $`Class:School` (Intercept) SubjectMaths 1:A 82.73262 -4.108333 1:B 83.98870 -4.1

    2熱度

    1回答

    我正在分析一個數據集,其中〜10個人暴露於一套治療(時間)並記錄死亡率(活着,死亡)。 glmer被用來模擬數據,因爲治療被阻止(試驗)。 從以下模型中,我想要預測50%個人死亡的時間。 Trial <- c(1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3) Time <- c(2, 6, 9, 12, 15, 18, 21, 24

    0熱度

    1回答

    我想用R包MCMCglmm來估計一個二項式模型。該模型應包含一個截距和一個斜率 - 既作爲固定部分也作爲隨機部分。我該如何指定一個可接受的prior? (請注意,here is a similar question,但在更復雜的設置。) 假設數據具有以下形式: y x cluster 1 0 -0.56047565 1 2 1 -0.23017749 1 3 0 1.55870831

    1熱度

    1回答

    我正在使用多級模型嘗試描述縱向變化中的不同模式。當隨機效應完全相關時,Dingemanse et al (2010)描述了「扇出」模式。然而,我發現當隨機效應之間的關係是非線性的但在觀察到的時間間隔內單調遞增時會出現類似的模式。在這種情況下,隨機效應並不完全相關,而是由函數描述。 請參閱下面的示例以獲取此示例。這個例子仍然具有很高的截距 - 斜率相關性(> .9),但是可以得到低於.7的相關性,同