Questions marquées «lme4-nlme»

J'essaie d'utiliser à lmepartir du nlmepackage pour répliquer les résultats des aovANOVA à mesures répétées. Je l'ai fait pour une expérience de mesures répétées à un facteur et pour une expérience à deux facteurs avec un facteur inter-sujets et un facteur intra-sujets, mais j'ai du mal à le faire pour …

19 r  anova  mixed-model  repeated-measures  lme4-nlme 

J'ai un GLMM avec une distribution binomiale et une fonction de lien logit et j'ai le sentiment qu'un aspect important des données n'est pas bien représenté dans le modèle. Pour tester cela, je voudrais savoir si les données sont bien décrites par une fonction linéaire sur l'échelle logit. Par conséquent, …

19 binomial  residuals  glmm  lme4-nlme 

Veuillez considérer ces données: dt.m <- structure(list(id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12), occasion = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, …

19 r  mixed-model  stata  lme4-nlme 

Je sais que l'un des avantages des modèles mixtes est qu'ils permettent de spécifier une matrice variance-covariance pour les données (symétrie composée, autorégressive, non structurée, etc.) Cependant, la lmerfonction en R ne permet pas de spécifier facilement cette matrice. Est-ce que quelqu'un sait quelle structure lmerutilise par défaut et pourquoi …

18 r  mixed-model  lme4-nlme  covariance-matrix 

Je comprends que nous utilisons des modèles à effets aléatoires (ou à effets mixtes) lorsque nous pensons que certains paramètres du modèle varient de façon aléatoire selon un facteur de regroupement. J'ai le désir d'adapter un modèle où la réponse a été normalisée et centrée (pas parfaitement, mais assez proche) …

18 mixed-model  random-effects-model  fixed-effects-model  lme4-nlme  intraclass-correlation 

Contexte: Remarque: mon ensemble de données et mon code r sont inclus sous le texte Je souhaite utiliser AIC pour comparer deux modèles d'effets mixtes générés à l'aide du package lme4 dans R. Chaque modèle a un effet fixe et un effet aléatoire. L'effet fixe diffère selon les modèles, mais …

18 maximum-likelihood  random-effects-model  fixed-effects-model  mixed-model  lme4-nlme 

Voici ma trame de données: Group <- c("G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3") Subject <- c("S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15") Value <- c(9.832217741,13.62390117,13.19671612,14.68552076,9.26683366,11.67886655,14.65083473,12.20969772,11.58494621,13.58474896,12.49053635,10.28208078,12.21945867,12.58276212,15.42648969,9.466436017,11.46582655,10.78725485,10.66159358,10.86701127,12.97863424,12.85276916,8.672953949,10.44587257,13.62135205,13.64038394,12.45778874,8.655142642,10.65925259,13.18336949,11.96595556,13.5552118,11.8337142,14.01763101,11.37502161,14.14801305,13.21640866,9.141392359,11.65848845,14.20350364,14.1829714,11.26202565,11.98431285,13.77216009,11.57303893) data <- data.frame(Group, Subject, Value) Ensuite, je lance un modèle d'effets mixtes linéaires pour comparer la différence des 3 groupes sur "Valeur", où "Sujet" est le facteur aléatoire: library(lme4) library(lmerTest) model <- lmer (Value~Group + (1|Subject), …

18 r  lme4-nlme  post-hoc 

J'ai des données de patients traités avec 2 types de traitements différents pendant la chirurgie. J'ai besoin d'analyser son effet sur la fréquence cardiaque. La mesure de la fréquence cardiaque est prise toutes les 15 minutes. Étant donné que la durée de la chirurgie peut être différente pour chaque patient, …

17 r  mixed-model  repeated-measures  lme4-nlme 

Formules de modèle en R telles que y ~ x + a*b + c:d sont basées sur la notation dite de Wilkinson : Wilkinson et Rogers 1973, Description symbolique des modèles factoriels pour l'analyse de la variance . Cet article n'a pas discuté des notations pour les modèles mixtes (qui …

16 r  mixed-model  lme4-nlme  notation  history 

J'utilise la glmerfonction du lme4package dans R, et j'utilise l' bobyqaoptimiseur (c'est-à-dire la valeur par défaut dans mon cas). Je reçois un avertissement et je suis curieux de savoir ce que cela signifie. Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, : convergence code 3 from bobyqa: bobyqa …

16 r  optimization  lme4-nlme  convergence  glmm 

J'ai du mal à comprendre la sortie de mon lmer()modèle. Il s'agit d'un modèle simple d'une variable de résultat (prise en charge) avec différentes interceptions d'état / effets aléatoires d'état: mlm1 <- lmer(Support ~ (1 | State)) Les résultats de summary(mlm1)sont: Linear mixed model fit by REML Formula: Support ~ …

16 r  mixed-model  random-effects-model  lme4-nlme 

J'ai utilisé le MCMCglmmpackage récemment. Je suis confus par ce que l'on appelle dans la documentation structure R et structure G. Ceux-ci semblent se rapporter aux effets aléatoires - en particulier en spécifiant les paramètres de la distribution antérieure sur eux, mais la discussion dans la documentation semble supposer que …

16 r  bayesian  mixed-model  lme4-nlme 

Dans mon étude, je mesurerai la charge de travail avec plusieurs mesures. Avec variabilité de la fréquence cardiaque (VRC), activité électrodermique (EDA) et avec une échelle subjective (IWS). Après normalisation, l'IWS a trois valeurs: Charge de travail inférieure à la normale La charge de travail est moyenne La charge de …

16 r  logistic  lme4-nlme  ordered-logit  polr 

Disons que nous avons un modèle mod <- Y ~ X*Condition + (X*Condition|subject) # Y = logit variable # X = continuous variable # Condition = values A and B, dummy coded; the design is repeated # so all participants go through both Conditions # subject = random effects for …

16 mixed-model  lme4-nlme  overfitting  singular 

J'essaie d'utiliser lme4::glmer()pour adapter un modèle mixte généralisé binomial (GLMM) avec une variable dépendante qui n'est pas binaire, mais une variable continue entre zéro et un. On peut considérer cette variable comme une probabilité; en fait , il est probable que rapporté par des sujets humains (dans une expérience que …

15 r  logistic  mixed-model  glmm  lme4-nlme