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].
J'utilise lmer dans R pour vérifier l'effet de condition ( cond) sur un résultat. Voici quelques données composées, où s est l'identifiant du sujet et a, bet csont des conditions. library("tidyr") library("dplyr") set.seed(123) temp <- data.frame(s = paste0("S", 1:30), a = rnorm(30, -2, 1), b = rnorm(30, -3, 1), c …
Dans un modèle mixte linéaire généralisé logistique (famille = binôme), je ne sais pas comment interpréter la variance à effets aléatoires: Random effects: Groups Name Variance Std.Dev. HOSPITAL (Intercept) 0.4295 0.6554 Number of obs: 2275, groups: HOSPITAL, 14 Comment interpréter ce résultat numérique? J'ai un échantillon de patients transplantés rénaux …
Je monte un glmermodèle dans le lme4package R. Je cherche une table anova avec une valeur de p montrée ici, mais je ne trouve aucun paquet qui lui convient. Est-il possible de le faire en R? Le modèle que je monte est de la forme: model1<-glmer(dmn~period*teethTreated+(1|fullName), family="poisson", data=subset(dataset, group=='Four times …
Supposons que j'ai un échantillon de fréquences de 4 événements possibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 et j'ai les probabilités attendues que mes événements se produisent: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Avec la somme des fréquences …
J'essaie d'analyser l'effet de l'année sur logInd variable pour un groupe particulier d'individus (j'ai 3 groupes). Le modèle le plus simple: > fix1 = lm(logInd ~ 0 + Group + Year:Group, data = mydata) > summary(fix1) Call: lm(formula = logInd ~ 0 + Group + Year:Group, data = mydata) Residuals: …
J'ai parcouru Google et ce site et je suis toujours confus à propos de la fonction lmer dans la bibliothèque lme4. J'ai quelques données recueillies auprès de différents services psychiatriques, qui ont une structure à plusieurs niveaux. Pour simplifier, je vais choisir deux variables de niveau 2 et deux de …
Donc, j'ai 16 essais dans lesquels j'essaie d'authentifier une personne à partir d'un trait biométrique en utilisant Hamming Distance. Mon seuil est fixé à 3,5. Mes données sont ci-dessous et seul l'essai 1 est un vrai positif: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 …
Je simule des essais de Bernoulli avec un aléatoire entre les groupes, puis j'adapte le modèle correspondant avec le paquet:logitθ ∼ N( logitθ0,12)logitθ∼N(logitθ0,12)\text{logit}\, \theta \sim {\cal N}(\text{logit}\, \theta_0, 1^2)lme4 library(lme4) library(data.table) I <- 30 # number of groups J <- 10 # number of Bernoulli trials within each group logit …
J'ai du mal à obtenir des résultats équivalents entre un aovmodèle de mesures répétées inter-intra et un lmermodèle mixte. Mes données et mon script se présentent comme suit data=read.csv("https://www.dropbox.com/s/zgle45tpyv5t781/fitness.csv?dl=1") data$id=factor(data$id) data id FITNESS TEST PULSE 1 1 pilates CYCLING 91 2 2 pilates CYCLING 82 3 3 pilates CYCLING 65 …
J'essaie de produire un modèle mixte linéaire, le code R est le suivant. lme (Average.payoff ~ Game + Type + Others.Type + Game: Type + Game: Others.Type + Type: Others.Type, random = ~ 1 | Subjects, method = "REML", data = Subjectsm1) -> lme1 Le terme de réponse Average.payoff est …
Dans R, comment spécifier le modèle lmer sans effet fixe global? Par exemple, si je dis quelque chose comme lmer(y ~ (1 | group) + (0 + x | group), data = my_df) le modèle équipé sera yje j= a +αje+βjeXje jyij=a+αi+βixijy_{ij} = a + \alpha_{i} + \beta_{i} x_{ij} Comment …
Supposons que, dans une étude de 15 sujets, la variable de réponse (res) est modélisée avec deux variables explicatives, une (niveau) est catégorique avec 5 niveaux et l'autre (temps de réponse: RT) est continue. Avec lmer dans le package lme4 de R, j'ai: fm1 <- lmer(res ~ level * RT …
J'ai rencontré ce problème à plusieurs reprises maintenant, avec des examinateurs demandant plus de justification pour l'utilisation des LMM, des tests traditionnels au lieu ou en plus des LMM, et des tableaux complets d'estimations des paramètres similaires à ce que vous rapporteriez avec un modèle linéaire régulier . En ce …
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.