r语言结构方程模型可视化_混合线性模型——R语言

线性混合模型简介

混合线性模型(mixed linear model)是一种方差分量模型。在方差分量模型中，把既含有固定效应，又含有随机效应的模型，称为混合线性模型 【信息来源：百度】 一般线性模型中仅包含固定效应和噪声两项影响因素，也就是不会考虑随机因素对模型的影响。 数据集：R的MASS包中oast数据集 数据解释 ： 通过三个品种四个水平的施肥处理，对燕麦进行了小区试验。实验分为6个区块，每个区块分为4个子区块。主小区采用品种，次小区采用施肥处理。 线性模型是需要求出关于在因变量上的权重(斜率)，那么针对分类型的因变量要怎么计算呢？——创建虚拟变量代替我们的分类水平进行运算。

虚拟变量

因变量属于分类变量，所以在建立模型之前需要创建虚拟变量：

虚拟变量的作用就是对固定因子的因子进行量化。例如：在varieties中有三种不同的品种分别为：Golden.rain、Marvellous、Victory，可以通过R的contrasts()函数查看或设置不同品种的虚拟变量。

默认采用treatment编码方式，每一列的求和等于1，至于为什么Golden.rain该行全都是0，因为默认情况下，第一行是其他组的参照组。注：若是采用sum编码方式：每一列的求和等于0。

展示一下treatment编码方式和sum编码方式。注：contr.sum是定义无序因子的，若为有序可以采用contr.poly来定义。

例如：在3水平的因子变量上展示

同理nitrogen变量的虚拟变量编码方式如下：

观察两张图片可以得到关于虚拟变量创建的规律：

1、对于某一个因子型变量包含K个水平的因子，那么会产生K-1个对比向量；

2、对比向量以一个K行*(K-1)列的矩阵组成。

3、默认的情况下以第一行作为其他因子的参照。(比如：Golden.rain，0.0cwt)

那么有了虚拟变量后要如何计算呢？

1、单因素多水平(treatment编码方式)：

运算公式：y=b+wx+beta ;其中，b是截距，w是权重(斜率),beta(随机误差)

Y = b+w1*x1+w2*x1+beta

A水平：YA = b+w1*0+w2+0+beta = b+beta

B水平：YB = b+w1*1+w2*0+beta = b+w1+beta

C水平：YC = b+w1*0+w2*1+beta = b+w2+beta

那么模型的回归系数就等于：

W1=YB — YA

W2=YC — YA

结论：回归系数等于真实效应差异。

2、两因素两水平有交互作用的情况(sum编码方式)：

Y=b+w1*Xa+w2*Xb+w3*Xa*Xb+beta

      

主效应的回归系数：

Ya1=b-w1-w2+beta

Ya2=b+w1-w2+beta

W1=(Ya2-Ya1)/2

同理：

W2=(Yb2-Yb1)/2

结论：主效应的回归系数等于真实效应的一半。

交互效应的回归系数：

Ya1b1=b-w1-w2+w3+beta

Ya1b2=b-w1+w2-w3+beta

Ya2b1=b+w1-w2-w3+beta

Ya2b2=b+w1+w2+w3+beta

W3=((Ya2b2-Ya2b1)-(Ya1b2-Ya1b1))/4

结论：交互效应等于真实交互效应的四分之一

你们也可以自己去尝试使用treatment编码方式，也就是将上面的Xa、Xb中的-1改为0。若不考虑交互作用的话，将公式中的w3*Xa*Xb剔除，再运算即可。

treatment编码方式做两因素两水平无交互作用时，其主效应的回归系数是等于真实效应的。若有交互作用时，其主效应的回归系数是不等于真实效应的，但交互作用的回归系数等于真实效应。

那么对于本案例中属于双因素多水平的怎么计算回归系数呢？

3、K因素N水平的情况下，如何保证回归系数等于真实的效应值？

R里面是没有这个函数的，可以自己设置编码。即每个因素产生N*(N-1)的矩阵，其中每一列代表一个比较，每一行代表一个水平。第一个水平一般是作为为参照组，其编码为-(1/N)，每一列对应基线之外的某个水平与基线的对比，所在的行编码为1-(1/N)，其他行编码为-(1/N)。你们可以带入公式去验证一下。

DV   m   for(i in