代码之家 › 专栏 › 技术社区 › tnt

二项混合模型中包含随机斜率

mixed-models lme4

tnt · 技术社区 · 6 年前

我使用二项式GLMM来研究一个站点中随着时间的推移,个人(小时/天)的存在之间的关系。由于存在是为几个人每天测量的,我已经包含了一个随机截取的个人ID。

例如。,

presence <- cbind(hours, 24-hours)
glmer(presence ~ time + (1 | ID), family = binomial)

我也希望看到使用ID作为随机坡度,但我不知道如何将其添加到我的模型中。我试过下面两种不同的方法,但我不确定哪一种是正确的。

glmer(presence ~ time + (1 + ID), family = binomial)
Error: No random effects terms specified in formula

glmer(presence ~ time + (1 + ID | ID), family = binomial)
Error: number of observations (=1639) < number of random effects (=5476) for term (1 + ID | ID); the random-effects parameters are probably unidentifiable

1 回复 | 直到 6 年前

arranjdavis 6 年前

你不能有一个随机的斜坡 ID 并且拥有 身份证件 作为(第二级)分组变量(有关详细信息,请参阅本文档: https://cran.r-project.org/web/packages/lme4/lme4.pdf )

分组变量,即 身份证件 在下面的模型中,用作指定随机效果的变量。 model_1 随机截获 身份证件 变量。 model_2 提供随机截距和随机坡度 time 变量。换句话说, 型号\1 允许截取 presence 和 时间 随…变化 身份证件 (坡度保持不变),而 型号\2 允许截距和坡度随 身份证件 从而使 存在 和 时间 (即,坡度)可能因每个个体而异。( 身份证件 )

model_1 = glmer(presence ~ time + (1 | ID), family = binomial)

model_2 = glmer(presence ~ time + (1 + time | ID), family = binomial)

我还建议:

Snijders,T. A. B.,&Bosker,R. J.(2012年)。多层次分析:基础和高级多层次建模导论(第二版):SAGE。

推荐文章

candle786 · lmer模型和lsmeans输出中的错误

7 年前

Eric Fail · 在非平衡面板上使用plm对聚类样本进行随机效应分析

7 年前

MassCorr · 基于模型的递归划分模型是否来自混合效应模型家族?

7 年前

Nick_89 · GLMERTREE:防止在2个终端节点之间拆分群集观测

7 年前

pmkruyen · 图书馆的影响。ME:“closure”类型的对象不可子集

7 年前

Ben · 比较固定效应和随机效应的多项式次数

7 年前

Patrick S. Forscher · 在lme4车型上使用car:::linearHypothesis()

7 年前

rcorty · 在R中修改混合效应公式

7 年前

Share · 如何在R的ggplot2中绘制混合效应模型估计?

7 年前

Ben · lmer模型拟合的R平方

7 年前