พารามิเตอร์การบูตแบบกึ่งพารามิเตอร์และแบบไม่มีพารามิเตอร์สำหรับรุ่นผสม

9

ตัดต่อไปนี้จะนำมาจากบทความนี้ ฉันเป็นมือใหม่ในการบู๊ตสแตรปและพยายามที่จะใช้การบู๊ตสแปปปิ้งแบบกึ่งพารามิเตอร์แบบกึ่งพารามิเตอร์และแบบไม่มีพารามิเตอร์สำหรับแบบจำลองเชิงเส้นผสมกับR bootแพ็คเกจ

ป้อนคำอธิบายรูปภาพที่นี่

รหัส R

นี่คือRรหัสของฉัน:

library(SASmixed)
library(lme4)
library(boot)

fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation)
fixef(fm1Cult)


boot.fn <- function(data, indices){
 data <- data[indices, ]
 mod <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=data)
 fixef(mod)
 }

set.seed(12345)
Out <- boot(data=Cultivation, statistic=boot.fn, R=99)
Out

คำถาม

วิธีการทำพารามิเตอร์แบบพาราเมตริก, เซมาราเมทริกและ nonparametric สำหรับโมเดลผสมกับbootแพ็คเกจ
ฉันเดาว่าฉันกำลังทำการ bootstrapping ที่ไม่ใช่พารามิเตอร์สำหรับโมเดลที่ผสมกันในโค้ดของฉัน

ผมพบว่าภาพนิ่งเหล่านี้merBootแต่ไม่สามารถรับแพคเกจการ R แนวคิดใดที่ฉันจะได้รับแพ็คเกจนี้ ความช่วยเหลือใด ๆ จะได้รับการชื่นชมอย่างมาก ขอบคุณล่วงหน้าสำหรับความช่วยเหลือและเวลาของคุณ

r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

— MYaseen208
แหล่งที่มา

8

การบู๊ตในโมเดลเชิงเส้นแบบผสมนั้นคล้ายกับการบูทสแตรปในการถดถอยยกเว้นว่าคุณมีอาการแทรกซ้อนที่เอฟเฟกต์ถูกแบ่งออกเป็นแบบคงที่และแบบสุ่ม ในการถดถอยเพื่อทำ bootstrap แบบพารามิเตอร์คุณใส่โมเดลพารามิเตอร์กับข้อมูลคำนวณแบบจำลองส่วนที่เหลือ bootstrap ส่วนที่เหลือรับ bootstrap ส่วนที่เหลือแล้วเพิ่มลงในโมเดลที่พอดีเพื่อรับตัวอย่าง bootstrap สำหรับข้อมูลและจากนั้นให้พอดีกับแบบจำลอง ไปยังข้อมูล bootstrap เพื่อรับค่าประมาณตัวอย่างพารามิเตอร์ bootstrap คุณทำซ้ำขั้นตอนโดยการ bootstrapping ส่วนที่เหลือดั้งเดิมอีกครั้งและจากนั้นทำซ้ำขั้นตอนอื่น ๆ ในกระบวนการเพื่อรับการประมาณการตัวอย่าง bootstrap อื่นของพารามิเตอร์ สำหรับ bootstrap ที่ไม่ใช่พารามิเตอร์คุณสร้างเวกเตอร์ของค่าการตอบกลับและ covariate และ bootstrap การเลือกเวกเตอร์สำหรับตัวอย่าง bootstrap จากตัวอย่าง bootstrap คุณพอดีกับโมเดลเพื่อรับพารามิเตอร์และคุณทำกระบวนการซ้ำ ข้อแตกต่างเพียงอย่างเดียวระหว่าง bootstrap แบบพารามิเตอร์และแบบไม่ใช่พารามิเตอร์คือคุณ bootstrap ส่วนที่เหลือสำหรับ bootstrap แบบ parametric ในขณะที่ bootstrap แบบ nonparametric นั้นบูตเวกเตอร์ ในกรณีที่มี model ผสมคุณสามารถมี bootstrap semiparametric ได้โดยการรักษาผลข้างเคียงและอื่น ๆ ที่ไม่ใช่ parametrically หากรหัสของคุณคือการบูตเวกเตอร์คุณกำลังทำ bootstrap ที่ไม่ใช่พารามิเตอร์ ฉันไม่มีวิธีแก้ปัญหาเฉพาะสำหรับการทำเช่นนี้ใน R แต่ถ้าคุณดูหนังสือของ Efron และ Tibshirani หรือหนังสือของฉันกับ Robert LaBudde คุณจะเห็นรหัส R สำหรับรุ่นที่คล้ายกันกับโมเดลผสมเชิงเส้น

— Michael R. Chernick
แหล่งที่มา

ขอบคุณ @Michael สำหรับคำตอบที่ดีของคุณ Rฉันขอขอบคุณถ้าคุณแบ่งปันตัวอย่างสำหรับทั้งสามวิธีการดำเนินการในความร่วมมือ

— MYaseen208

ฉันไม่คิดว่าฉันมีตัวอย่างเซมาราเมทริก ฉันไม่ใช่โปรแกรมเมอร์ R (แต่) Robert LaBudde ได้เขียนโปรแกรม R ทั้งหมดในหนังสือของเรา เขาให้ตัวอย่างของ bootstrap แบบพารามิเตอร์ที่เข้ารหัสใน R สำหรับโมเดล autoregressive แบบคงที่ (pp 120-122) ในหน้า 10 ของหนังสือเขาแสดงให้เห็นถึงฟังก์ชั่น bootstrap ทั้งหมดใน R ที่ปรากฏขึ้นโดยใช้แบบสอบถาม "> help.search ('bootstrap') Efron และ Tibshirani ได้จัดทำเอกสารในหนังสือแพ็คเกจ bootstrap ใน R ที่พวกเขาเรียกว่า" bootstrap "อีก แพ็คเกจเนื่องจาก Davison และ Hinkley เป็นแพ็คเกจ "boot" ซึ่งคุณสามารถหาข้อมูลเพิ่มเติมเกี่ยวกับหนังสือ bootstrap ได้

— Michael R. Chernick

มันควรจะกล่าวว่า bootstrapping nonparametric ที่เข้มงวดของรูปแบบผสมมีแนวโน้มที่จะล้มเหลว มันสามารถละเว้นระดับของตัวแปรสุ่มได้อย่างสมบูรณ์ซึ่งหยุดกระบวนการ

— ไบรอัน

2

คุณอาจต้องการดูbootMerฟังก์ชันในเวอร์ชันการพัฒนาของ lme4

install_github("lme4",user="lme4")
library(lme4)

ที่สามารถทำรูปแบบการบูตอิงพาราเมตริก (กึ่ง -) ของโมเดลผสม ... เพียงตรวจสอบ ?bootMer

— Tom Wenseleers
แหล่งที่มา