ฉันระบุรุ่น lmer ของฉันถูกต้องหรือไม่


9

ฉัน scoured Google และเว็บไซต์นี้และฉันยังคงสับสนเกี่ยวกับฟังก์ชัน lmer ในไลบรารี lme4

ฉันมีข้อมูลบางอย่างที่เก็บรวบรวมจากหอผู้ป่วยจิตเวชที่แตกต่างกันซึ่งมีโครงสร้างหลายระดับ เพื่อให้ง่ายขึ้นฉันจะเลือกตัวแปรสองระดับ 2 และสองระดับ 1 แม้ว่าฉันจะมีอีกไม่กี่ตัว

Level 2- WardSize [นี่คือจำนวนผู้คนในวอร์ด] & WAS [นี่คือการวัดความดี "วอร์ด" ของวอร์ด]

ตัวแปรการจัดกลุ่มที่บอก R ว่าใครในวอร์ดเรียกว่า "วอร์ด"

ระดับหนึ่ง - เพศ [นี่คือเพศชัดเจน] & BSITotal [นี่คือการวัดความรุนแรงของอาการ]

ผลลัพธ์คือ Selfreject ซึ่งอีกครั้งคือสิ่งที่ดูเหมือน

ฉันมีสูตรนี้:

ความช่วยเหลือ = lmer (สูตร = Selfreject ~ WardSize + WAS + เพศ + BSITotal + (1 | วอร์ด))

ฉันหวังว่านี่หมายความว่า "แต่ละคนมีคะแนนที่เกี่ยวข้องกับเพศและความรุนแรงของอาการและยังมีผลต่อระดับวอร์ดที่เกี่ยวข้องกับขนาดของวอร์ดและวิธี" ดี "มันเป็นอย่างไร

ถูกต้องหรือไม่ สิ่งที่ทำให้ฉันสับสนคือฉันไม่สามารถดูได้ว่า R สามารถบอกได้ว่าเป็นระดับ 1 และตัวแปรระดับ 2 ใดยกเว้นการสกัดกั้นระดับวอร์ดที่ได้รับในตอนท้าย

หากใครสามารถอธิบายสัญกรณ์ได้ดังนั้นคนงี่เง่าอย่างฉันก็เข้าใจได้ว่ามันจะดีขึ้นกว่าเดิม

ขอบคุณมาก!

คำตอบ:


11

สเปคโมเดลของคุณดี

การสกัดกั้นที่แตกต่างกันของ Ward ซึ่งระบุไว้ใน lmer เช่นเดียวกับที่คุณได้ทำกับ (1 | Ward) กล่าวว่าวิชาในแต่ละวอร์ดอาจคล้ายกันมากขึ้นใน Selfreject ด้วยเหตุผลอื่นนอกเหนือจาก WardSize หรือออฟดังนั้นคุณจึงควบคุม ความแตกต่างระหว่างวอร์ด

คุณสามารถคิดว่า "1" เป็นคอลัมน์ 1s (เช่นค่าคงที่) ในข้อมูลที่การสกัดกั้นนั้นพอดี โดยปกติแล้วตัวอักษร "1" จะบอกเป็นนัยโดยอัตโนมัติใน lm

lm(Y ~ X1 + X2)

ระบุจริง

lm(Y ~ 1 + X1 + X2)

เมื่อคุณมีแบบจำลองพื้นฐานแล้วคุณสามารถเริ่มถามคำถามเพิ่มเติมเช่น "ความสัมพันธ์ระหว่าง BSItotal และ Selfreject แตกต่างกันระหว่างหอผู้ป่วยหรือไม่"

lmer(formula=Selfreject ~ WardSize + WAS + Gender + BSITotal + (1 + BSITotal | Ward))

นั่นคือทั้งการสกัดกั้นและความชันของ BSITotal สามารถแตกต่างกันระหว่างหอผู้ป่วย

หากคุณยังไม่ได้หยิบมันขึ้นมาการวิเคราะห์ข้อมูลของ Gelman & Hill โดยใช้ Regression และ Multilevel Model / Hierarchical Modelsเป็นหนังสือที่ยอดเยี่ยมที่อธิบายรูปแบบที่เหมาะสมเช่นนี้กับ lmer


1

นี่คือลิงค์ไปสู่คำอธิบายของดักลาสเบตส์ (ผู้เขียน lme4) ว่าทำไมไม่จำเป็นต้องระบุระดับสำหรับเอฟเฟกต์คงที่


2
ยินดีต้อนรับสู่เว็บไซต์ @Breyer ฉันคิดว่านี่เป็นผลงานที่มีประโยชน์ คุณจะให้ข้อสรุปสั้น ๆ ของการโต้แย้งที่นั่นเพื่อให้ผู้อ่านสามารถตัดสินใจได้ว่ามันเป็นสิ่งที่พวกเขากำลังมองหาหรือในกรณีที่มี linkrot ในอนาคต?
gung - Reinstate Monica

2
ขอบคุณสำหรับการต้อนรับ @gung แน่นอนว่าเบทส์อธิบายว่าไม่จำเป็นต้องระบุระดับสำหรับเอฟเฟกต์คงที่เนื่องจากแพ็คเกจ lme4 เขียนขึ้นสำหรับรุ่นผสมรวมถึง แต่ไม่ จำกัด เฉพาะรุ่นหลายระดับ / ลำดับชั้น ซึ่งหมายความว่าวิธีการคำนวณไม่ได้ขึ้นอยู่กับข้อกำหนดของระดับดังเช่นกรณีของซอฟต์แวร์การถดถอยหลายระดับพิเศษ (HLM ฯลฯ ) ที่ใช้ประโยชน์จากโครงสร้างข้อมูลที่ซ้อนกันในการคำนวณ
Breyer
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.