代码之家 › 专栏 › 技术社区 › Ben

比较固定效应和随机效应的多项式次数

lme4 r

Ben · 技术社区 · 7 年前

我的数据由许多设备组成,每个设备包含多个测量数据点(对电压的放大),因此数据按序列号分组。然后,我有一个lmer模型,通常描述为:

fit<- lmer(log(log(Amplification)) ~ poly(Voltage, **degree**) + (poly(Voltage, **degree**) | Serial_number), data = APD)

现在,我想比较不同的多动物,每个动物的固定效应和随机效应都达到3级。

例如。:

fit01<- lmer(log(log(Amplification)) ~ poly(Voltage, **0**) + (poly(Voltage, **1**) | Serial_number), data = APD)
fit11<- lmer(log(log(Amplification)) ~ poly(Voltage, **1**) + (poly(Voltage, **1**) | Serial_number), data = APD)

等等我是否必须检查所有可能性(16),或者我可以因为任何聪明的假设而减少它? 最后我会 anova(fit11,fit01) 等等问题是:当我现在每次比较两个不同的模型时,我真的需要做很多比较。

1 回复 | 直到 7 年前

Axeman 7 年前

您可以通过编程方式拟合模型,然后使用AIC对其进行比较:

library(lme4)

combinations <- expand.grid(fixed = 1:3, random = 1:3)

models <- lapply(seq_len(nrow(combinations)), function(i) {
  f <- as.formula(paste(
    'mpg ~ poly(qsec,', combinations[i, 1], ') + (poly(qsec,', combinations[i, 2], ') | cyl)'
  ))
  lmer(f, mtcars)
})

names(models) <- apply(combinations, 1, paste, collapse = '_')
aics <- sapply(models, function(m) summary(m)$AIC)

result <- data.frame(model = names(models), AIC = aics)
result <- result[order(result$AIC), ]
result$dAIC <- result$AIC - result$AIC[1]

result

         model      AIC      dAIC
3_3.REML   3_3 155.7776 0.0000000
3_2.REML   3_2 155.9683 0.1907229
3_1.REML   3_1 156.0175 0.2398943
2_3.REML   2_3 160.1618 4.3842105
2_2.REML   2_2 160.2372 4.4595903
2_1.REML   2_1 160.3215 4.5438645
1_3.REML   1_3 164.5201 8.7424622
1_2.REML   1_2 165.2802 9.5025476
1_1.REML   1_1 165.3264 9.5487699

推荐文章

candle786 · lmer模型和lsmeans输出中的错误

6 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

6 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?

6 年前

Nick_89 · GLMERTREE:防止在2个终端节点之间拆分群集观测

6 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