lme4 et nlme sont des packages R utilisés pour ajuster des modèles d'effets mixtes linéaires, linéaires généralisés et non linéaires. Pour les questions générales sur les modèles mixtes, utilisez la balise [mixed-model].
Fermé. Cette question est hors sujet . Il n'accepte pas actuellement de réponses. Vous souhaitez améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé il y a 6 mois . Je travaillais dans les packages R nlme et lme4 , …
J'essaie de passer de l'utilisation du ezpackage à lmedes mesures répétées ANOVA (car j'espère que je pourrai utiliser des contrastes personnalisés avec lme). En suivant les conseils de ce billet de blog, j'ai pu configurer le même modèle en utilisant à la fois aov(comme le fait ez, sur demande) et …
J'ai regardé à travers cet aperçu des formules lm / lmer R par @conjugateprior et je suis devenu confus par l'entrée suivante: Supposons maintenant que A est aléatoire, mais B est fixe et B est imbriqué dans A. aov(Y ~ B + Error(A/B), data=d) Ci-dessous, une formule de modèle mixte …
Je me demande s'il existe des méthodes pour calculer la taille de l'échantillon dans les modèles mixtes? J'utilise lmeren R pour ajuster les modèles (j'ai des pentes et des interceptions aléatoires).
Nous avons exécuté une régression logistique à effets mixtes en utilisant la syntaxe suivante; # fit model fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0, family = binomial(link="logit")) # model output summary(fm0) Le sujet et l'objet sont les effets aléatoires. Nous obtenons un résultat étrange qui …
Supposons que j'ai une mesure pour chaque sujet sur chaque site. Deux variables, le sujet et le site, présentent un intérêt en termes de calcul des valeurs de corrélation intraclasse (ICC). En règle générale, j'utilisais la fonction lmerdu package R lme4et exécutais lmer(measurement ~ 1 + (1 | subject) + …
J'ai une expérience à mesures répétées où la variable dépendante est un pourcentage et j'ai plusieurs facteurs comme variables indépendantes. Je voudrais utiliser à glmerpartir du package R lme4pour le traiter comme un problème de régression logistique (en spécifiant family=binomial) car il semble s'adapter directement à cette configuration. Mes données …
Avec l'ensemble de données suivant, je voulais voir si la réponse (effet) change en ce qui concerne les sites, la saison, la durée et leurs interactions. Certains forums en ligne sur les statistiques m'ont suggéré de continuer avec les modèles à effets mixtes linéaires, mais le problème est que, puisque …
J'ai travaillé avec certaines données qui ont des problèmes avec les mesures répétées. Ce faisant, j'ai remarqué un comportement très différent entre lme()et en lmer()utilisant mes données de test et je veux savoir pourquoi. Le faux ensemble de données que j'ai créé contient des mesures de taille et de poids …
J'ai étudié la modélisation d'effets mixtes à l'aide du package lme4 dans R. J'utilise principalement la lmercommande, je vais donc poser ma question via du code qui utilise cette syntaxe. Je suppose qu'une question générale facile pourrait être, est-il OK de comparer deux modèles construits en lmerutilisant des ratios de …
Nous savons qu'un test t apparié n'est qu'un cas particulier d'ANOVA à mesures répétées unidirectionnelles (ou intra-sujet) ainsi que d'un modèle linéaire à effets mixtes, qui peut être démontré avec la fonction lme () du paquet nlme dans R comme indiqué ci-dessous. #response data from 10 subjects under two conditions …
Considérez les données suivantes à partir d'une conception bidirectionnelle des sujets: df <- "http://personality-project.org/r/datasets/R.appendix4.data" df <- read.table(df,header=T) head(df) Observation Subject Task Valence Recall 1 1 Jim Free Neg 8 2 2 Jim Free Neu 9 3 3 Jim Free Pos 5 4 4 Jim Cued Neg 7 5 5 Jim …
Disons que nous devons les GLMM mod1 <- glmer(y ~ x + A + (1|g), data = dat) mod2 <- glmer(y ~ x + B + (1|g), data = dat) Ces modèles ne sont pas imbriqués dans le sens habituel de: a <- glmer(y ~ x + A + (1|g), …
Supposons que nous travaillons sur un modèle à effets aléatoires de certaines données de comptage au fil du temps, et que nous voulons contrôler certaines tendances. Normalement, vous feriez quelque chose comme: lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson") pour inclure une forme quadratique pour t. Est-il possible d'utiliser des techniques …
Il y a une distinction qui me fait trébucher avec des modèles mixtes, et je me demande si je pourrais obtenir une certaine clarté. Supposons que vous ayez un modèle mixte de données de comptage. Il y a une variable que vous voulez comme effet fixe (A) et une autre …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.