เมทริกซ์ความแปรปรวนร่วม - ความแปรปรวนร่วมใน lmer

ฉันรู้ว่าข้อดีอย่างหนึ่งของแบบผสมคือพวกมันอนุญาตให้ระบุเมทริกซ์ความแปรปรวนร่วม - ความแปรปรวนร่วมสำหรับข้อมูล (สมมาตรผสม, อัตชีวประวัติ, ไม่มีโครงสร้าง, ฯลฯ ) อย่างไรก็ตามlmerฟังก์ชันใน R ไม่อนุญาตสเปคง่ายของเมทริกซ์นี้ ไม่มีใครรู้ว่าโครงสร้างที่lmerใช้โดยค่าเริ่มต้นและทำไมไม่มีวิธีการระบุได้อย่างง่ายดาย?

r mixed-model lme4-nlme covariance-matrix

— Nikita Kuznetsov
แหล่งที่มา

คำตอบ:

แบบผสมคือแบบจำลองส่วนประกอบความแปรปรวน (รุ่นทั่วไป) คุณเขียนส่วนของเอฟเฟกต์คงที่เพิ่มเงื่อนไขข้อผิดพลาดที่อาจพบได้ทั่วไปสำหรับกลุ่มการสังเกตบางกลุ่มเพิ่มฟังก์ชันลิงก์หากจำเป็นและใส่สิ่งนี้ลงในโอกาสสูงสุด

อย่างไรก็ตามโครงสร้างความแปรปรวนต่าง ๆ ที่คุณกำลังอธิบายนั้นเป็นแบบจำลองสหสัมพันธ์การทำงานสำหรับสมการการประมาณค่าทั่วไปซึ่งแลกเปลี่ยนความยืดหยุ่นบางส่วนของตัวแบบผสม / หลายระดับเพื่อความทนทานของการอนุมาน ด้วย GEEs คุณสนใจที่จะทำการอนุมานบนชิ้นส่วนคงที่เท่านั้นและคุณก็โอเคที่จะไม่ประเมินส่วนประกอบความแปรปรวนดังเช่นในแบบผสม สำหรับเอฟเฟกต์คงที่เหล่านี้คุณจะได้รับการประมาณค่าที่แข็งแกร่ง / แซนวิชที่เหมาะสมแม้ในขณะที่โครงสร้างความสัมพันธ์ของคุณคือ misspecfieid การอนุมานสำหรับโมเดลผสมจะพังลงหากโมเดลนั้นผิดพลาด

ดังนั้นในขณะที่มีจำนวนมากเหมือนกัน (โครงสร้างหลายระดับและความสามารถในการจัดการกับความสัมพันธ์ที่เหลือ) รูปแบบผสมและ GEEs ยังคงเป็นกระบวนการที่แตกต่างกันบ้าง แพ็คเกจ R ที่เกี่ยวกับ GEE นั้นเรียกว่าเหมาะสมgeeและในรายการค่าcorstrตัวเลือกที่เป็นไปได้คุณจะพบโครงสร้างที่คุณกล่าวถึง

จากมุมมองของ GEEs จะlmerทำงานร่วมกับความสัมพันธ์ที่แลกเปลี่ยนได้ ... อย่างน้อยเมื่อแบบจำลองมีลำดับชั้นสองระดับและมีการระบุเฉพาะการดักจับแบบสุ่มเท่านั้น

— StasK
แหล่งที่มา

ขอบคุณ Stas ฉันไม่เคยได้ยินเกี่ยวกับ GEEs มาก่อนและเพียงแค่พยายามเรียนรู้การสร้างแบบจำลองแบบผสม (ซึ่งเป็นเรื่องยุ่งยากและยังได้รับการขยายโดยความแตกต่างในการนำซอฟต์แวร์ไปใช้) ฉันจะลอง GEE ฉันมีการทดลองอย่างง่าย ๆ โดยใช้มาตรการซ้ำ ๆ กับมาตรการทางการแพทย์ที่ขึ้นอยู่กับ ฉันสนใจในส่วนที่คงที่เป็นส่วนใหญ่ การฝึกอบรมก่อนหน้าของฉันส่วนใหญ่อยู่ในผลกระทบคงที่มาตรฐาน ANOVAs ดังนั้นมันอาจจะเปลี่ยนได้ง่ายขึ้น

— Nikita Kuznetsov

ฉันชอบความคิดในการประมาณค่าพารามิเตอร์คงที่และลองใช้ไลบรารี gee แล้ว มีห้องสมุดอื่นด้วย (ตัวอย่างเช่น geepack) พวกเขาเลวร้ายลงด้วยเหตุผลบางอย่าง? ในสาขาของฉันผู้คนจำเป็นต้องรายงานค่า p มีวิธีใดบ้างที่จะได้รับสิ่งเหล่านี้จากการประมาณและยังทำการเปรียบเทียบแบบคู่โดยคำนึงถึงการพิจารณาเป็นกลุ่ม?

— Nikita Kuznetsov

การเปรียบเทียบคู่ของอะไร ความหลากหลายของห้องสมุด R มักจะทำให้ฉันหลงใหลอยู่เสมอและฉันไม่ได้ค้นคว้าเกี่ยวกับความแตกต่างระหว่างแพ็คเกจต่าง ๆ เว้นแต่ว่าฉันมีความต้องการที่แท้จริงในการทำงานกับแบบจำลองที่เฉพาะเจาะจง

— StasK

StatsK นี้ถูกต้องจริงเหรอ? ฉันเป็นผู้เริ่มต้นในการสร้างแบบจำลองหลายระดับ แต่ Hox (2010) หรือ Rabe-Hesketh & Skrondal (2013) เห็นความแตกต่างอย่างชัดเจนระหว่างตัวประมาณค่าความแปรปรวนต่าง ๆ ผ่าน MLE และ GEE ตัวอย่างเช่นเมื่อคำนวณข้อผิดพลาดมาตรฐานแซนวิชที่ "แข็งแกร่ง" Hox (หน้า 260) กล่าวว่าคุณสามารถคำนวณได้โดยใช้แบบจำลองหลายระดับโดยใช้ Information matrix / Inverse ของ Hessian matrix (นำโครงสร้างหลายระดับมาพิจารณา) หรือประเมินความแปรปรวนจาก เศษซากดิบและการใช้ GLS หลังจากนั้นเพื่อคำนวณค่าสัมประสิทธิ์ (วิธี GEE)

— Arne Jonas Warnke

ฉันไม่แน่ใจว่าความแตกต่างที่ StasK เสนอนั้นถูกต้องจริงหรือไม่ ในขณะที่โครงสร้างความสัมพันธ์ทางเลือกเหล่านี้ถูกนำมาใช้จริงโดย GEEs มันเป็นไปได้อย่างสมบูรณ์แบบที่จะพอดี (แบบเต็มพารามิเตอร์) แบบจำลองผสมกับโครงสร้างที่ซับซ้อนมากขึ้นสำหรับความแปรปรวนร่วมของผลกระทบแบบสุ่มหรือข้อผิดพลาดตกค้าง คำสั่งผสมของ Stata ทำสิ่งนี้

— Jonathan Bartlett

FlexLamba Branch of lmer มีฟังก์ชันดังกล่าว

ดูhttps://github.com/lme4/lme4/issues/224สำหรับตัวอย่างวิธีการใช้โครงสร้างเฉพาะของข้อผิดพลาดหรือเอฟเฟกต์แบบสุ่ม

— majom
แหล่งที่มา

ฉันสามารถติดตั้งทั้งสาขาปกติและ FlexLambda ได้หรือไม่? อย่างไร?

— skan

สำหรับความรู้ของฉัน Lmer ไม่มีวิธี "ง่าย" ในการแก้ไขปัญหานี้ ในกรณีส่วนใหญ่ lmer ใช้เมทริกซ์กระจัดกระจายสำหรับการแยกตัวประกอบ Cholesky ฉันพบว่ามันไม่น่าเป็นไปได้ที่จะอนุญาตให้ VCV ไม่มีโครงสร้างอย่างสมบูรณ์

$(1|RandEff_1)+(1|RandEff_2)$

$R = \begin{bmatrix} \sigma_{RE1}^2 & 0& 0 & & 0 & 0 & 0\\ 0 & \sigma_{RE1}^2& 0 & & 0 & 0 & 0\\ 0 & 0& \sigma_{RE1}^2 & & 0 & 0 & 0\\ 0& 0& 0 & & \sigma_{RE2}^2 & 0 & 0 \\ 0 & 0& 0 & & 0 & \sigma_{RE2}^2 & 0\\ 0& 0& 0 & & 0& 0 & \sigma_{RE2}^2 \\\end{bmatrix}$

ทั้งหมดไม่ได้หายไปกับ LME แม้ว่าคุณจะสามารถระบุแอตทริบิวต์เมทริกซ์ VCV เหล่านี้ "ได้อย่างง่ายดาย" คือคุณกำลังใช้ RCM แพ็คเกจ MCMCglmm ดูที่CourseNotes.pdf , หน้า 70 ในหน้านั้นจะให้ analogues บางอย่างเกี่ยวกับวิธีการกำหนดโครงสร้างเอ็ฟเฟ็กต์แบบสุ่ม lme4 แต่เมื่อคุณเห็นตัวเอง lmer มีความยืดหยุ่นน้อยกว่า MCMCglmm ในเรื่องนี้

ครึ่งทางมีคลาส lme ปัญหา corStruct ของ nlme เช่น corCompSymm , corAR1ฯลฯ ฯลฯการตอบสนองของ Fabianในดอกยางนี้ให้ตัวอย่างที่กระชับมากขึ้นสำหรับข้อกำหนด VCV lme4-based แต่ดังกล่าวก่อนที่พวกเขาจะไม่เป็นที่ชัดเจนเช่นเดียวกับใน MCMCglmm หรือ nlme

— usεr11852พูดว่า Reinstate Monic
แหล่งที่มา

ฉันไม่ได้ "เชื่อใจ" MCMCglmm เพราะเป็นทางเลือกที่ไร้เดียงสาของการแจกแจงก่อนหน้า

— Stéphane Laurent

A. ฉันไม่คิดว่ามันเป็น "ไร้เดียงสา"; สามารถสะท้อนสมมติฐานที่ถูกต้องได้ คุณสามารถกำหนดนักบวชที่ไม่เหมาะสมได้หากคุณรู้สึกอย่างนั้นสำหรับบางสิ่ง B. นั่นเป็นเพียงส่วนหนึ่งของคำตอบของฉันมันไม่ได้บอกว่ามันเป็นวิธีเดียวที่จะไป ฉันยกตัวอย่างสำหรับ lme4 C. หากคุณต้องการทำเอ็ฟเฟ็กต์หลายตัวแปรมันเป็นแพคเกจเดียวที่มีอยู่พร้อมกับ sabreR ...

— usεr11852พูดว่า Reinstate Monic

ขออภัยความคิดเห็นของฉันไม่ใช่คำวิจารณ์เกี่ยวกับคำตอบของคุณ เมื่อพูดว่า "นักบวชผู้ไร้เดียงสา" ฉันได้พูดเกี่ยวกับนักบวชที่ไม่เกี่ยวกับศาสนา

— Stéphane Laurent

ดูเหมือนว่าจะไม่ได้ว่าเมทริกซ์ R นี้ถูกต้อง แม้แต่ "คลาสสิก" การวัดซ้ำ ANOVA ยังอนุญาตให้มีความสัมพันธ์ที่ไม่เป็นศูนย์ระหว่างเงื่อนไข (ฉันกำลังคิดถึงเมทริกซ์สมมาตรแบบผสม) ดูเหมือนว่าเมทริกซ์นี้จะใช้ได้เฉพาะกับการออกแบบระหว่างเรื่องที่มีการมอบหมายแบบสุ่มด้วยสองกลุ่ม

— Nikita Kuznetsov

(1 | R a n d E f f_{1}) + (1 | R a n d E f f_{2})

$(1|RandEff_1)+(1|RandEff_2)$