Effects
แพคเกจมีวิธีการอย่างรวดเร็วและสะดวกสบายสำหรับการวางแผนเชิงเส้นผสมผลผลรูปแบบที่ได้รับผ่านแพคเกจlme4
effect
ช่วงความเชื่อมั่นฟังก์ชั่นคำนวณ (CIS) ได้รวดเร็วมาก แต่วิธีการที่น่าเชื่อถือมีช่วงความเชื่อมั่นเหล่านี้หรือไม่
ตัวอย่างเช่น:
library(lme4)
library(effects)
library(ggplot)
data(Pastes)
fm1 <- lmer(strength ~ batch + (1 | cask), Pastes)
effs <- as.data.frame(effect(c("batch"), fm1))
ggplot(effs, aes(x = batch, y = fit, ymin = lower, ymax = upper)) +
geom_rect(xmax = Inf, xmin = -Inf, ymin = effs[effs$batch == "A", "lower"],
ymax = effs[effs$batch == "A", "upper"], alpha = 0.5, fill = "grey") +
geom_errorbar(width = 0.2) + geom_point() + theme_bw()
ตาม CIs ที่คำนวณโดยใช้effects
แพ็คเกจชุด "E" จะไม่ทับซ้อนกับชุด "A"
ถ้าฉันลองใช้confint.merMod
ฟังก์ชั่นเดียวกันและวิธีการเริ่มต้น:
a <- fixef(fm1)
b <- confint(fm1)
# Computing profile confidence intervals ...
# There were 26 warnings (use warnings() to see them)
b <- data.frame(b)
b <- b[-1:-2,]
b1 <- b[[1]]
b2 <- b[[2]]
dt <- data.frame(fit = c(a[1], a[1] + a[2:length(a)]),
lower = c(b1[1], b1[1] + b1[2:length(b1)]),
upper = c(b2[1], b2[1] + b2[2:length(b2)]) )
dt$batch <- LETTERS[1:nrow(dt)]
ggplot(dt, aes(x = batch, y = fit, ymin = lower, ymax = upper)) +
geom_rect(xmax = Inf, xmin = -Inf, ymin = dt[dt$batch == "A", "lower"],
ymax = dt[dt$batch == "A", "upper"], alpha = 0.5, fill = "grey") +
geom_errorbar(width = 0.2) + geom_point() + theme_bw()
ฉันเห็นว่า CIs ทั้งหมดทับซ้อนกัน ฉันยังได้รับคำเตือนที่ระบุว่าฟังก์ชั่นล้มเหลวในการคำนวณ CIs ที่น่าเชื่อถือ ตัวอย่างนี้และชุดข้อมูลจริงของฉันทำให้ฉันสงสัยว่าeffects
แพคเกจใช้ทางลัดในการคำนวณ CI ซึ่งอาจไม่ได้รับการอนุมัติโดยนักสถิติทั้งหมด CIs ที่เชื่อถือได้นั้นกลับมาจากeffect
ฟังก์ชั่นจากeffects
แพ็คเกจสำหรับlmer
วัตถุอย่างไร
ฉันลองทำอะไร: ดูที่ซอร์สโค้ดฉันสังเกตว่าeffect
ฟังก์ชั่นนั้นขึ้นอยู่กับEffect.merMod
ฟังก์ชั่นซึ่งจะนำไปสู่การEffect.mer
ทำงานซึ่งมีลักษณะดังนี้:
effects:::Effect.mer
function (focal.predictors, mod, ...)
{
result <- Effect(focal.predictors, mer.to.glm(mod), ...)
result$formula <- as.formula(formula(mod))
result
}
<environment: namespace:effects>
mer.to.glm
ฟังก์ชั่นดูเหมือนว่าจะคำนวณความแปรปรวน - โควต้าเมทริกซ์จากlmer
วัตถุ:
effects:::mer.to.glm
function (mod)
{
...
mod2$vcov <- as.matrix(vcov(mod))
...
mod2
}
ในทางกลับกันนี่อาจใช้ในEffect.default
การคำนวณ CIs (ฉันอาจเข้าใจผิดในส่วนนี้):
effects:::Effect.default
...
z <- qnorm(1 - (1 - confidence.level)/2)
V <- vcov.(mod)
eff.vcov <- mod.matrix %*% V %*% t(mod.matrix)
rownames(eff.vcov) <- colnames(eff.vcov) <- NULL
var <- diag(eff.vcov)
result$vcov <- eff.vcov
result$se <- sqrt(var)
result$lower <- effect - z * result$se
result$upper <- effect + z * result$se
...
ฉันไม่รู้เกี่ยวกับ LMM มากพอที่จะตัดสินว่านี่เป็นแนวทางที่ถูกต้องหรือไม่ แต่เมื่อพิจารณาการอภิปรายเกี่ยวกับการคำนวณช่วงความมั่นใจสำหรับ LMM วิธีนี้จะดูง่ายอย่างน่าสงสัย